Lucene4.7索引和检索的常用API(二)

前面几篇笔者已经把Lucene的最基本的入门&＃xff0c;介绍完了&＃xff0c;本篇就对Lucene基本的知识做一个总结&＃xff0c;以便于加深对Lucene基本API组件的理解。 

为了方便对比学习&＃xff0c;下面给出表格数据 

下面笔者就对上图组件一一剖析下 

首页要介绍的就索引期间的各个类 
1,IndexWriter是索引过程中的核心类&＃xff0c;主要负责创建索引或者打开已有索引&＃xff0c;提供对索引的 
添加&＃xff0c;删除&＃xff0c;修改等操作 
2,IndexWriterConfig这个API在低版本的Lucene中是没有此配置类的&＃xff0c;这个类也比较重要&＃xff0c;使用此类则需要在其构造方法中传入2个参数&＃xff0c;第一个参数是Lucene当前的版本号&＃xff0c;第二个是索引是使用的分词器&＃xff0c;除了这个我们最常用的功能&＃xff0c;里面还提供了大量工具方法&＃xff0c;例如&＃xff0c;设置内存里缓冲大小&＃xff0c;设置文档数据批量提交时大小&＃xff0c;获取线程状态&＃xff0c;设置创建模式&＃xff0c;以及是否开启复合索引的等等一系列&＃xff0c;可以对索引做一些基本的配置优化等信息。 
3,Directory这个类代表了Lucene索引的存放位置&＃xff0c;是一个抽象类&＃xff0c;它有一系列子类可以用来处理索引&＃xff0c;使用不同的子类对于系统的性能&＃xff0c;影响会很大&＃xff0c;但归其本质上&＃xff0c;提升性能&＃xff0c;无非就拿空间换时间或拿时间或空间2中情况&＃xff0c;在具体使用时&＃xff0c;我们可以使用其子类来获取索引所在的存储路径&＃xff0c;然后将其传给IndexWriter类构造方法里。 
4,Analyzer这个类也是所有分析器的基类&＃xff0c;文本文件在索引前&＃xff0c;需要经过分析器处理&＃xff0c;处理成对应的语汇单元&＃xff0c;统一格式&＃xff0c;它能提取有效的信息&＃xff0c;过滤掉一些禁用词&＃xff0c;Lucene自带有几个分析器&＃xff0c;但大部分都是对英文或欧洲语言处理的&＃xff0c;如果想要使用中文的分词器&＃xff0c;可以使用其自带的SmartCN分词器&＃xff0c;也可以用开源的IK&＃xff0c;messeg4j等等,选择什么样的分析器是索引过程中很重要的一步&＃xff0c;这个关键还得看自己的业务需求定。 
5,Document代表一个文档的意思&＃xff0c;类似于数据库的一行记录&＃xff0c;我们可以向文档中&＃xff0c;添加自己想要的域字段&＃xff0c;然后在把一个个文档索引起来&＃xff0c;提供检索。 
6&＃xff0c;Field就是文档中存储的域&＃xff0c;每一个域都有一个域名和域值&＃xff0c;这就类似数据库的字段名跟值一样&＃xff0c;我们可以使用Field来精确控制各个域的值&＃xff0c;最常用的有2个Field&＃xff0c;一个是不提供分词的StringField和另外一个分词的TextFiled&＃xff0c;当然还有其他的一些Field&＃xff0c;在这里就不多介绍了。 
7&＃xff0c;IndexReader这个类用来获取Directory的子类打开的索引文件流&＃xff0c;然后在将进IndexSearcher的构造方法里&＃xff0c;进行查询组件的初始化操作&＃xff0c;这个类再低版本的的Lucene里也是不存在的&＃xff0c;在后来新的版本里才添加的类。 
8&＃xff0c;IndexSearcher这个类是程序搜索期间的核心类&＃xff0c;是连接索引的桥梁&＃xff0c;它是以只读的方式打开索引&＃xff0c;提供了大量检索&＃xff0c;排序&＃xff0c;过滤的等等以及其他的一些功能。 
9&＃xff0c;QueryParser或Query都可以完成一些检索功能&＃xff0c;不同的是QueryParser提供的功能更为强大&＃xff0c;方便自定义开发一些检索方案&＃xff0c;而Query及其麾下的一系列子类是Lucene中自带的一些API&＃xff0c;使用这些API&＃xff0c;大部分情况下都可以完成一些基本的检索&＃xff0c;如果需要定制化自己的检索方案则需要使用QueryParser&＃xff0c;大多数情况下&＃xff0c;我们最常使用的是Query下面的TermQuery子类&＃xff0c;当然还有其他大量的特定功能的Query子类存在。 
10&＃xff0c;TopDocs这个类是一个简单的容器指针&＃xff0c;它一般会记录前N个检索的结果&＃xff0c;在TopDocs中&＃xff0c;它只会存储这个文档的docid以及获取的得分情况&＃xff0c;另外这前N个结果&＃xff0c;默认的排序方式&＃xff0c;是按照得分的大小排列的。 
11&＃xff0c;ScoreDoc类通常我们使用的是一个数组&＃xff0c;它里面也只会包含这个文档的docid以及获取的得分情况&＃xff0c;与TopDocs不同的是&＃xff0c;我们可以使用这个类&＃xff0c;来进行类似数据库的分页操作&＃xff0c;当然你得保证你有足够的内存&＃xff0c;如果是海量数据的分页&＃xff0c;这个操作很容易造成内存溢出&＃xff0c;这时候我们就需要考虑其他方法了。 
12&＃xff0c;Term类是搜索功能最基本的单元&＃xff0c;与Field类似&＃xff0c;检索的时候需要传入域名及检索的字符串&＃xff0c;是一个小而不可或缺的精简类。 



至此&＃xff0c;笔者已经对Lucene的基本的常用的几个类简单的剖析了一下&＃xff0c;可能大多数情况下&＃xff0c;我们知道他们怎么用&＃xff0c;但是就是不太了解他们的基本概念。笔者觉得&＃xff0c;如果真正的理解了这些东西&＃xff0c;就可以在开发中或给同事的一些交流中带来极大的方便。 

http://my.oschina.net/MrMichael/blog/220767