Lucene基础学习笔记

在学校和老师一起做项目&＃xff0c;在老师的推荐下深入学习了一些SqlServer的知识&＃xff0c;看一些书下来哎也没记住多少&＃xff0c;不过带来了新疑问。

不使用模糊查询&＃xff0c;我应该用什么呢&＃xff1f;如何能不影响数据库性能&＃xff0c;还能做模糊查询呢&＃xff1f;所以开始对Lucene有一些简单的学习。

先举一个未必恰当的例子&＃xff1a;

假如有一天你犯罪了&＃xff0c;警察如何找到你呢&＃xff1f;肯定不应该是挨家挨户的搜索你吧。

警察可能先通过户籍信息和一些档案&＃xff0c;查询到你的住址&＃xff0c;学校&＃xff0c;单位&＃xff0c;去这些地方找。如果还找不到呢&＃xff1f; 

再找你常交往的朋友&＃xff0c;得到一些你经常去的地方&＃xff0c;再次索引到一些地点。

总之&＃xff0c;雁过留痕&＃xff0c;总能通过蛛丝马迹的信息&＃xff0c;索引到你可能在的地方。这就是在浩瀚的数据搜索中&＃xff0c;索引&＃xff0c;缩小范围的重要性。

Lucene是一款全文搜索引擎&＃xff0c;它帮我们将非结构化的数据&＃xff0c;以结构化的形式分析并存储&＃xff0c;以便于我们能类似于数据库结构化的搜索获取到我们想要的数据。

既然要通过Lucene来搜索&＃xff0c;那就要将数据&＃xff0c;以Lucene搜索引擎认识的方式存储。这个存储的过程&＃xff0c;称之为索引&＃xff08;动词&＃xff09;&＃xff0c;帮我们做这个动作的是索引引擎&＃xff0c;帮我们查询的是查询引擎。另外文本分析引擎应该参与了查询和索引的两个动作。

Lucene以文档的形式存储&＃xff0c;每一个文档都有唯一标识Id。一个文档基本由多个域组成&＃xff0c; 域由域名称FieldName和域的值Value组成。

比如我们站内搜索&＃xff0c;搜索目标是所有文章。可以将文章标题作为一个field&＃xff0c;则其fieldName为“ArtName”字符串&＃xff0c;其value值&＃xff0c;为ArtName在数据库中的值。

所以文章内容&＃xff0c;文章作者&＃xff0c;文章发布时间&＃xff0c;文章阅读数&＃xff0c;文章标签等都可以放到同一个文档中的不同域。

当我们索引上述提到的字段时&＃xff0c;不仅在我们参数指定下&＃xff0c;设置是否存储&＃xff0c;是否允许索引搜索。Lucene中最重要的&＃xff0c;是其分词器将会提取词语&＃xff0c;建立词语索引和文档id的关联。只拿文章标题来说&＃xff0c;其他的均可类比&＃xff0c;比如四篇文章标题&＃xff0c;

1.佳木斯大学简介      文档Id被索引为Id1

2.计算机科学与技术专业简介       Id2

3.Java学习指南　　　　　　　　 Id3

4..Net学习指南　　　　　　　　  Id4

列举几个典型的分词索引&＃xff1a;

想象一下&＃xff0c;如果我们不建立这样的索引&＃xff0c;搜索带Java的内容&＃xff0c;那么一定要去遍历每一片文章。以上的索引存储过程&＃xff0c;称为倒排索引&＃xff0c;意味着&＃xff0c;先分析所需存储数据的内容&＃xff0c;并按照结构来索引存储。等到我们查询的时候&＃xff0c;就不用每一条数据去遍历了。

上面这种分词&＃xff0c;源于强大的分词器&＃xff0c;Lucene本身不提供中文分词器&＃xff0c;可以使用第三方开源的&＃xff0c;社区中比较游优秀的&＃xff0c;应该就是IK了&＃xff0c;其可拓展性也是比较强的&＃xff0c;我们可以通过在配置文件中配置新的词汇&＃xff0c;比如“逗比”这个词&＃xff0c;在分词器开发的时候&＃xff0c;没有这个词&＃xff0c;在索引的时候&＃xff0c;则会分开索引&＃xff0c;我们也可以很容易在配置文件中加以配置。

从中得到另一个概念&＃xff1a;其中每一个词语&＃xff0c;我们应称之为Term。重要的是 我们看到其中乱入的ArtContent&＃xff0c;由于域的名称和最后一条数据不同&＃xff0c;虽然他们的词语都是Java&＃xff0c;但是这属于两条Term。

Term的作用是什么呢&＃xff1f;

可以帮助我们构建查询&＃xff0c;也就是构建一个Term&＃xff0c;这个查询可以指定Field的Name为ArtName&＃xff0c;Field的Value为Java。 这也就是说查询文章标题&＃xff0c;域值为Java的数据。而不是指定文章内容域。

我们也可以构造搜索Query对象&＃xff0c;查询Java学习指南&＃xff0c;这样的搜索&＃xff0c;我们需要规定&＃xff0c;标题中一定要带Java&＃xff0c;标题中一定要有学习&＃xff0c;一定要有指南。这样我们搜索到的是Java学习指南而不是.Net

学习指南。

本篇记录下Luence的一些基础概念和意义。明白了这些&＃xff0c;我想&＃xff0c;看文档写代码应该不是困难所在。