給的java就業(yè)湯陽(yáng)光lucene30課程

Eclipse的所有幫助文件。在BBS、BLOG、等系統(tǒng)中提供的搜索文章的功能，如這里的貼吧的例子。搜索的 PPT、、音樂(lè)、等。下圖是使用搜索的效果樂(lè)或搜索不是多搜索他們是按文件名搜索在智能上有一款音樂(lè)搜索的軟件，10秒鐘的音樂(lè)，然后他就能上網(wǎng)找出這段音樂(lè)的名稱(chēng)、演奏者等信息。這是多看到，是沒(méi)有“”這個(gè)結(jié)果的，結(jié)果頁(yè)面都是出現(xiàn)了這些詞的網(wǎng)頁(yè)：全文檢索（Full-TextRetrieval）是指以文本作為檢索對(duì)象，找出含有指定詞匯我們使用Lucene，主要是做站內(nèi)搜索，即對(duì)一個(gè)系統(tǒng)內(nèi)的資源進(jìn)行搜索。如BBS、所以不應(yīng)進(jìn)行對(duì)比SQL，如：SELECT*FROMtWHEREcontentlike‘%ant%’。這樣會(huì)有如下問(wèn)題：ant會(huì)搜索出nting1頁(yè)的結(jié)果就是我們最想要的結(jié)果。LuceneORM，是一個(gè)概念。ORM的框架有很多種：Hibernate、TopLink、iBatis等，我們之前學(xué)習(xí)的是Hibernate。同樣的，全文檢索領(lǐng)域中也有多種框架，Lucene就是其中的一個(gè)用開(kāi)源的全文檢索框架。：：Lucene 實(shí)現(xiàn)建立索引功能（Indexer類(lèi)Lucene的概從上可以看出，我們不僅要搜索，還要保證數(shù)據(jù)集合與索引庫(kù)的一致性。所以對(duì)于全文檢索功能的開(kāi)發(fā)，要做的有兩個(gè)方面：索引庫(kù)管理（索引庫(kù)中的數(shù)據(jù)、在索引庫(kù)Lucene就是操作索引庫(kù)的工具。LuceneAPI索引庫(kù)是一個(gè)，里面是一些二進(jìn)制文件，就如同數(shù)據(jù)庫(kù)，所有的數(shù)據(jù)也是以文件的SQL語(yǔ)句一樣。庫(kù)中查詢(xún)使用IndexSearcherLucene的數(shù)據(jù)結(jié)構(gòu)為 與Field 中有多個(gè)我們只需要把在我們的程序中的對(duì)象轉(zhuǎn)成，就可以交給Lucene管理了，搜 有了這些概念，可以寫(xiě)oWorld了，其他的概念可以在寫(xiě)完oWorld后再進(jìn) ，查詢(xún)中僅包含一個(gè)，則在詞匯表中找到該單詞，并取出他對(duì)應(yīng)的文檔就可以了。如果“播客”的文檔，則詞匯表中的“播客”詞后對(duì)應(yīng)的編號(hào)列表變成了“1,2”。因?yàn)樗饕募臋z索與，更新是先刪除后創(chuàng)，我們做的操作：把數(shù)據(jù)對(duì)象轉(zhuǎn)成相應(yīng)的Field我們做的操作：調(diào)用工具IndexWriter的add(doc)，把 就可能會(huì)改變，同時(shí)詞匯表中的編號(hào)也會(huì)做相應(yīng)改變，以保證正確。但我們?nèi)绻谕饷媪诉@個(gè)編號(hào)，前后兩次去取，得到的可能不是同一個(gè)文檔！所以?xún)?nèi)部編號(hào)最好Lucene做的操作：更新詞匯表。把文本中的詞找出并放到詞匯表中，建立與文檔的對(duì) yzer類(lèi)，這是一個(gè)抽象類(lèi)，切分詞的具體規(guī)則是由子類(lèi)實(shí)現(xiàn)的，在把對(duì)象的屬性轉(zhuǎn)為Field時(shí)，相關(guān)代碼為：doc.add(newField("title",article.getTitle()Store.YESIndex.YZED))不屬性的 可以從這個(gè)屬性中查詢(xún)（No，或是查詢(xún)時(shí)可以查其中的某些詞（YZED個(gè)內(nèi)容作為一個(gè)詞進(jìn)行查詢(xún)（NOT_YZED正的去取出數(shù)據(jù)（。如下圖：字符串也要先經(jīng)過(guò)yzer（分詞器。要求搜索時(shí)使用的yzer要與建立索引時(shí)使用的zyer要一致，否則可能搜不出正確的結(jié)果。數(shù)組。ScoreDoc是代表一個(gè)結(jié)果的相關(guān)度得分與文檔編號(hào)等信息的對(duì)象。 Lucene的API介構(gòu)造方法1：IndexWriter(Directory yzera,MaxFieldLength構(gòu)造方法2：IndexWriter(Directoryd, yzera,booleancreate,MaxFieldLengthmfl)，第三個(gè)參數(shù)指定，true表示建立新的索引庫(kù)或覆蓋現(xiàn)有的索引庫(kù)（刪除后重建；false表示使用已有的索引庫(kù)，如果不存在，就報(bào)錯(cuò)。在索引庫(kù)中進(jìn)行搜索是使用類(lèi)IndexSearcher。創(chuàng)建其實(shí)例的構(gòu)造方法為：QueryQueryParserStringf,yzera)2，中搜索。使用的構(gòu)造方法為：MultiFieldQueryParser(VersionmatchVersion,String[]fields,yzeryzer)數(shù)據(jù)與、Field的轉(zhuǎn)的問(wèn)題。同樣，要索引庫(kù)中使用的是，也存在來(lái)回轉(zhuǎn)換的問(wèn)題。如下圖： (Objectobject對(duì)象 doc) → 有所有的屬性值在前都要先轉(zhuǎn)成字符串。使用構(gòu)造方法：Field(Stringname,Stringvalue,Storestore,Indexindex)。Store與Index都是枚舉類(lèi)型。Store：指定是否把當(dāng)前屬性值的原始內(nèi)容到索 （YES （NOStore//Lucene當(dāng)成一個(gè)支持全文索引的數(shù)據(jù)庫(kù)系統(tǒng)。提供了兩個(gè)子類(lèi)：FSDirectoryRAMDirectory。1，F(xiàn)SDirectory：在文件系統(tǒng)中，是真實(shí)的文件夾與文件。QuerynewIntRange(finalStringfield,Integermin,Integermax,finalbooleanminInclusive,finalbooleanmaxInclusive)newLongRange(finalStringfield,Longmin,LongfinalbooleanminInclusive,finalbooleanmaxInclusive)newFloatRange(finalStringfield,Floatmin,FloatfinalbooleanminInclusive,finalbooleanmaxInclusive)newDoubleRange(finalStringfield,Doublemin,DoublefinalbooleanminInclusive,finalbooleanpublicvoidadd(Termterm,intposition)publicvoidsetSlop(ints)例：addnewTerm(“namelucene”add(newTerm(“name”,“”,代表搜索的是“Lucene？”，？表示中間隔一個(gè)詞publicvoidadd(Queryquery,OccurOccur3SHOULDSHOULD，表示“或”關(guān)系，最終檢索結(jié)果為所有檢索子句的并集。BooleanQuery了。publicvoidtestNumericRangeQuery(){//查publicvoidtestTermQuery(){publicvoidtestWildcardQuery(){publicvoidtestMatchAllDocsQuery(){publicvoidtestFuzzyQuery(){publicvoidtestBooleanQuery(){通過(guò)改變文檔Boost值來(lái)改變排序結(jié)果。Boost是指索引建立過(guò)程中，給整篇文檔或 象的setBoost()方法和Field對(duì)象的setBoost()方法，可以分別為 定域進(jìn)行修改。默認(rèn)情值為1F，一般不做修改。IfyouwanttobeabletosortresultsbyaFieldvalue,youmustadditasaFieldthatisindexedbutnotyzed,usingField.Index.NOT_YZED.實(shí)現(xiàn)效果的代//生成Formatterformatter=newSimpleHTMLFormatter("<spanclass='kw'>",Scorerscorer=newHighlighterhighlighter=newHighlighter(formatter,scorer);highlighter.setTextFragmenter(newSimpleFragmenter(20));//使用器：對(duì)content屬性值進(jìn) 并Stringtext yzer(),"content",//如果進(jìn)行的屬性值中沒(méi)有要搜索的關(guān)鍵字，則返回nullif(text!=null){}是yzer類(lèi)，這是一個(gè)抽象類(lèi)，切分詞的具體規(guī)則是由子類(lèi)實(shí)現(xiàn)的，所以對(duì)于不同的語(yǔ)詞的。這樣做可以搜索出有意義的結(jié)果。如搜索sutdent時(shí)，也可以搜索出ofword效果：“我”、“們”、“是”、“中”、“國(guó)”、“人”（Standardyzer就是這“是中”、“中國(guó)”、“國(guó)人”（CJKyzer就是這樣出來(lái)成為詞語(yǔ)。通常詞庫(kù)分詞被認(rèn)為是最理想的中文分詞算法。如：“我們?nèi)恕?，效果為：“我們”、“”（使用極易分詞的MMyzer。可以使用“極易分詞”，或者是“分詞”分詞器、IKyzer）1，極易分詞：MM yzer，最后版本是1.5.3，更新時(shí)間是2007-12-05，不支持2，分詞：Paoding 持Lucene3.0中文分詞器使用IKyzer，主頁(yè)：實(shí)現(xiàn)了以詞典為基礎(chǔ)的正反向全切分，以及正反向最大匹配切分兩種方法。IKyzer是第實(shí)現(xiàn)的分詞器，繼承自Lucene的yzer類(lèi)，針對(duì)中文文本進(jìn) @param@throwsprivatevoid yzer,Stringtext)ExceptionSystem.out.println("當(dāng)前使用的分詞器：TokenStreamtokenStream yzer.tokenStream("content",while(tokenStream.incrementToken()){TermAttributetermAttribute=}}IndexDaoIndexDao解決思路：對(duì)于上一段問(wèn)題：保證索引庫(kù)中與數(shù)據(jù)庫(kù)中的數(shù)據(jù)一致（只要針對(duì)要Dao。PublishAction.execute(){PublishAction.execute(){actionForm→articlearticleDao.savearticlearticleIndexDao.savearticleIndexDao.savearticle}DeleteAction.execute(){//刪除文章articleDao.delete(id);//從數(shù)據(jù)庫(kù)中刪除articleIndex.deleteid從索引庫(kù)中刪除}actionForm→articlearticleDao.updatearticlearticleIndexDao.updatear