public class HelloLucene { //创建索引 public void index(){ IndexWriter writer = null; try { //1、创建目录Directory Directory directory = FSDirectory.open(new File("D:/testLucene/index"));//指定创建索引的目录 //2、创建IndexWriter IndexWriterConfig iwc = new IndexWriterConfig(Version.LUCENE_35, new StandardAnalyzer(Version.LUCENE_35)); writer = new IndexWriter(directory, iwc); //3、创建Document对象 Document document = null; //4、为Document添加Filed（Filed为Document对象的元素） File f = new File("d:/testLucene/allFile"); for(File file:f.listFiles()){ document = new Document(); //将文件的内容加入到document对象中 document.add(new Field("content", new FileReader(file))); //将文件的名字加入到document对象中（文件名、循环的文件名、存储（见下面详解）、不分词并建立索引） document.add(new Field("filename" , file.getName() , Field.Store.YES ,Field.Index.NOT_ANALYZED) ); document.add(new Field("path" , file.getAbsolutePath() , Field.Store.YES , Field.Index.NOT_ANALYZED)); //5、通过IndexWriter添加索引到文档中 writer.addDocument(document); } } catch (IOException e) { e.printStackTrace(); } finally { //关闭流 if(null != writer){ try { writer.close(); } catch (CorruptIndexException e) { // TODO Auto-generated catch block e.printStackTrace(); } catch (IOException e) { // TODO Auto-generated catch block e.printStackTrace(); } } } } //测试 public static void main(String[] args) { HelloLucene lucene = new HelloLucene(); lucene.index(); } }
lucene在doc.add(new Field("content",curArt.getContent(),Field.Store.NO,Field.Index.TOKENIZED));
Field有两个属性可选：存储和索引。 通过存储属性你可以控制是否对这个Field进行存储； 通过索引属性你可以控制是否对该Field进行索引。 事实上对这两个属性的正确组合很重要。 Field.Index Field.Store 说明 TOKENIZED(分词) YES 被分词索引且存储 TOKENIZED NO 被分词索引但不存储 NO YES 这是不能被搜索的，它只是被搜索内容的附属物。如URL等 UN_TOKENIZED YES/NO 不被分词，它作为一个整体被搜索,搜一部分是搜不出来的 NO NO 没有这种用法 我们那文章表为例.articleinfo.有ID,title(标题),sumary(摘要),content(内容),userName(用户名) 其中title(标题),sumary(摘要)属于第一种情况,既要索引也要分词,也要存储. content(内容)要分词,索引,但不存储.由于他太大了,而且界面也不用显示整个内容. ID要存储,不用索引.因为没人用他来查询.但拼URL却很需要他.索引要存储. userName(用户名)索引,但不分词.可用保存.为什么不分词?比如"成吉思汗",我不想被"成汉"搜索到.我希望要么"成吉思汗"或者"*吉思*"通配符搜到. 总结如下: 1.如果要对某Field进行查找，那么一定要把Field.Index设置为TOKENIZED或UN_TOKENIZED。TOKENIZED会对Field的内容进行分词；而UN_TOKENIZED不会，只有全词匹配，该Field才会被选中。 2.如果Field.Store是No，那么就无法在搜索结果中从索引数据直接提取该域的值，会使null。 补充: Field.Store.YES:存储字段值（未分词前的字段值） Field.Store.NO:不存储,存储与索引没有关系 Field.Store.COMPRESS:压缩存储,用于长文本或二进制，但性能受损 Field.Index.ANALYZED:分词建索引 Field.Index.ANALYZED_NO_NORMS:分词建索引，但是Field的值不像通常那样被保存，而是只取一个byte，这样节约存储空间 Field.Index.NOT_ANALYZED:不分词且索引 Field.Index.NOT_ANALYZED_NO_NORMS:不分词建索引，Field的值去一个byte保存 TermVector表示文档的条目（由一个Document和Field定位）和它们在当前文档中所出现的次数 Field.TermVector.YES:为每个文档（Document）存储该字段的TermVector Field.TermVector.NO:不存储TermVector Field.TermVector.WITH_POSITIONS:存储位置 Field.TermVector.WITH_OFFSETS:存储偏移量 Field.TermVector.WITH_POSITIONS_OFFSETS:存储位置和偏移量