热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

Lucene检索WORD等文件

###Lucene是什么? ####lucene是apache开源的全文检索的框架,不像百度那样的搜索引擎拿来就能用! ###Lucene实现检索的过程&#x

###Lucene是什么?
####lucene是apache开源的全文检索的框架,不像百度那样的搜索引擎拿来就能用!
###Lucene实现检索的过程?
####Lucene实际上是先将文本写入,然后再搜索出来。
###写入:
####涉及的类: Document 、Field 、IndexWriter
####Document相当于数据库表的一行,Field相当于数据库表的一个字段,Document可以包含多个Field,用IndexWriter对象将Document对象写在磁盘上或内存里,这就实现了字符串的写入!
###搜索:
####对写入的文本进行搜索!

###如何检索WORD等microsoft文件?
####要实现Lucene检索WORD等文件,首先需要读取出WORD文件中的内容,再使用Lucene将内容写入。

###如何读取microsoft文件?
####可以使用apache的POI开源项目进行读取。

#####javaCode:

package org.fazlan.lucene.demo;import java.io.File;
import java.io.IOException;import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.index.Term;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.util.Version;public class Indexer {// location where the index will be stored.public static final String INDEX_DIR = "src/main/resources/index";private IndexWriter writer = null;public Indexer() {try {writer = new IndexWriter(FSDirectory.open(new File(INDEX_DIR)),new IndexWriterConfig(Version.LUCENE_36, new StandardAnalyzer(Version.LUCENE_36)));} catch (Exception e) {e.printStackTrace();}}/*** This method will add the items into index*/public void writeIndex(IndexItem indexItem) throws IOException {// deleting the item, if already existswriter.deleteDocuments(new Term(IndexItem.ID, indexItem.getId().toString()));Document doc = new Document();doc.add(new Field(IndexItem.ID, indexItem.getId().toString(), Field.Store.YES, Field.Index.NOT_ANALYZED));doc.add(new Field(IndexItem.TITLE, indexItem.getTitle(), Field.Store.YES, Field.Index.ANALYZED));doc.add(new Field(IndexItem.FILENAME, indexItem.getFilename(), Field.Store.YES, Field.Index.NOT_ANALYZED));doc.add(new Field(IndexItem.CONTENT, indexItem.getContent(), Field.Store.YES, Field.Index.ANALYZED));doc.add(new Field(IndexItem.DATE, indexItem.getDate(), Field.Store.YES, Field.Index.NOT_ANALYZED));doc.add(new Field(IndexItem.USER_NAME, indexItem.getUserName(), Field.Store.YES, Field.Index.NOT_ANALYZED));doc.add(new Field(IndexItem.URL, indexItem.getUrl(), Field.Store.YES, Field.Index.NOT_ANALYZED));// add the document to the indexwriter.addDocument(doc);}/*** Closing the writer*/public void close() throws IOException {writer.close();}
}

package org.fazlan.lucene.demo;/*** 索引对象,根据业务要求改动* * @author JiaJiCheng**/
public class IndexItem {private Long id;private String title;private String filename;private String content;private String date;private String userName;private String url;public static final String ID = "id";public static final String TITLE = "title";public static final String CONTENT = "content";public static final String DATE = "date";public static final String USER_NAME = "userName";public static final String FILENAME = "filename";public static final String URL = "url";public IndexItem(Long id, String title, String filename, String content, String date, String userName, String url) {this.id = id;this.title = title;this.content = content;this.date = date;this.userName = userName;this.filename = filename;this.url = url;}public String getFilename() {return filename;}public String getUrl() {return url;}public String getDate() {return date;}public String getUserName() {return userName;}public Long getId() {return id;}public String getTitle() {return title;}public String getContent() {return content;}@Overridepublic String toString() {return "IndexItem{" + "id=" + id + ", title='" + title + ", content='" + content + '\'' + "date=" + date+ "userName=" + userName + '}';}
}

package org.fazlan.lucene.demo;import org.apache.poi.extractor.ExtractorFactory;import java.io.File;
import java.io.IOException;/*** 文件转换器* * @author JiaJiCheng**/
public class MSDocumentParser {private static String getFilename(String filename) {return filename.substring(0, filename.lastIndexOf("."));}public static IndexItem parser(File file, String date, String userName, String url) throws IOException {String content = null;try {content = ExtractorFactory.createExtractor(file).getText();} catch (Exception e) {e.printStackTrace();}return new IndexItem((long) file.hashCode(), getFilename(file.getName()), file.getName(), content, date,userName, url);}
}

package org.fazlan.lucene.demo;import java.io.File;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.index.IndexReader;
import org.apache.lucene.queryParser.ParseException;
import org.apache.lucene.queryParser.QueryParser;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.util.Version;public class Searcher {private IndexSearcher searcher;private QueryParser titleQueryParser;private QueryParser contentQueryParser;private static final StandardAnalyzer analyzer = new StandardAnalyzer(Version.LUCENE_36);// default find result size.private static final int DEFAULT_RESULT_SIZE = 100;public Searcher() throws IOException {// open the index directory to searchsearcher = new IndexSearcher(IndexReader.open(FSDirectory.open(new File(Indexer.INDEX_DIR))));// defining the query parser to search items by title field.titleQueryParser = new QueryParser(Version.LUCENE_36, IndexItem.TITLE, analyzer);// defining the query parser to search items by content field.contentQueryParser = new QueryParser(Version.LUCENE_36, IndexItem.CONTENT, analyzer);}/*** This method is used to find the indexed items by the title.* * @param queryString* - the query string to search for*/public List findByTitle(String queryString) throws ParseException, IOException {// create query from the incoming query string.Query query = titleQueryParser.parse(queryString);// execute the query and get the resultsScoreDoc[] queryResults = searcher.search(query, DEFAULT_RESULT_SIZE).scoreDocs;List results = new ArrayList();// process the resultsfor (ScoreDoc scoreDoc : queryResults) {Document doc = searcher.doc(scoreDoc.doc);results.add(new IndexItem(Long.parseLong(doc.get(IndexItem.ID)), doc.get(IndexItem.TITLE),doc.get(IndexItem.FILENAME), doc.get(IndexItem.CONTENT), doc.get(IndexItem.DATE),doc.get(IndexItem.USER_NAME), doc.get(IndexItem.URL)));}return results;}/*** This method is used to find the indexed items by the content.* * @param queryString* - the query string to search for*/public List findByContent(String queryString) throws ParseException, IOException {// create query from the incoming query string.Query query = contentQueryParser.parse(queryString);// execute the query and get the resultsScoreDoc[] queryResults = searcher.search(query, DEFAULT_RESULT_SIZE).scoreDocs;List results = new ArrayList();// process the resultsfor (ScoreDoc scoreDoc : queryResults) {Document doc = searcher.doc(scoreDoc.doc);results.add(new IndexItem(Long.parseLong(doc.get(IndexItem.ID)), doc.get(IndexItem.TITLE),doc.get(IndexItem.FILENAME), doc.get(IndexItem.CONTENT), doc.get(IndexItem.DATE),doc.get(IndexItem.USER_NAME), doc.get(IndexItem.URL)));}return results;}public void close() throws IOException {searcher.close();}
}

package org.fazlan.lucene.demo;import org.apache.lucene.queryParser.ParseException;import java.io.File;
import java.io.IOException;
import java.util.List;/*** 实例* * @author JiaJiCheng**/
public class FileIndexApplication {public static void main(String[] args) throws IOException, ParseException {File msWordFile = new File("src/main/resources/files/MSWord.doc");File msWord2003File = new File("src/main/resources/files/MSWord.docx");File msExcellFile = new File("src/main/resources/files/招商局系统.xls");// creating the indexer and indexing the itemsIndexer indexer = new Indexer();indexer.writeIndex(MSDocumentParser.parser(msWordFile, "1990-0-0", "zhangsan", "www.baidu.com"));indexer.writeIndex(MSDocumentParser.parser(msWord2003File, "1990-0-0", "zhangsan", "www.baidu.com"));indexer.writeIndex(MSDocumentParser.parser(msExcellFile, "1990-0-0", "zhangsan", "www.baidu.com"));// close the index to enable them indexindexer.close();// creating the Searcher to the same index location as the IndexerSearcher searcher = new Searcher();// List result = searcher.findByContent("Microfost",// DEFAULT_RESULT_SIZE);List result = searcher.findByTitle("招");print(result);searcher.close();}/*** print the results.*/private static void print(List result) {System.out.println("Result Size: " + result.size());for (IndexItem item : result) {System.out.println(item);}}
}

org.apache.lucenelucene-core3.6.0org.apache.poipoi3.8org.apache.poipoi-ooxml3.8org.apache.poipoi-scratchpad3.8junitjunit3.8.1test

##完整的项目代码见附件


推荐阅读
  • 深入解析Android Activity生命周期
    本文详细探讨了Android中Activity的生命周期,通过实例代码和详细的步骤说明,帮助开发者更好地理解和掌握Activity各个阶段的行为。 ... [详细]
  • 本文探讨了Android系统中联系人数据库的设计,特别是AbstractContactsProvider类的作用与实现。文章提供了对源代码的详细分析,并解释了该类如何支持跨数据库操作及事务处理。源代码可从官方Android网站下载。 ... [详细]
  • 本文探讨了Java中有效停止线程的多种方法,包括使用标志位、中断机制及处理阻塞I/O操作等,旨在帮助开发者避免使用已废弃的危险方法,确保线程安全和程序稳定性。 ... [详细]
  • Java实现实时更新的日期与时间显示
    本文介绍了如何使用Java编程语言来创建一个能够实时更新显示系统当前日期和时间的小程序。通过使用Swing库中的组件和定时器功能,可以实现界面友好且功能强大的时间显示应用。 ... [详细]
  • 第1章选择流程控制语句1.1顺序结构的基本使用1.1.1顺序结构概述是程序中最简单最基本的流程控制,没有特定的语法结构,按照代码的先后顺序,依次执行,程序中大多数的代码都是这样执行 ... [详细]
  • Hadoop MapReduce 实战案例:手机流量使用统计分析
    本文通过一个具体的Hadoop MapReduce案例,详细介绍了如何利用MapReduce框架来统计和分析手机用户的流量使用情况,包括上行和下行流量的计算以及总流量的汇总。 ... [详细]
  • 本文探讨了如何利用 Android 的 Movie 类来展示 GIF 动画,并详细介绍了调整 GIF 尺寸以适应不同布局的方法。同时,提供了相关的代码示例和注意事项。 ... [详细]
  • 本文详细介绍了在Mac操作系统中使用Python连接MySQL数据库的方法,包括常见的错误处理及解决方案。 ... [详细]
  • 本文详细解析了Java中流的概念,特别是OutputStream和InputStream的区别,并通过实际案例介绍了如何实现Java对象的序列化。文章不仅解释了流的基本概念,还探讨了序列化的重要性和具体实现步骤。 ... [详细]
  • 详解MyBatis二级缓存的启用与配置
    本文深入探讨了MyBatis二级缓存的启用方法及其配置细节,通过具体的代码实例进行说明,有助于开发者更好地理解和应用这一特性,提升应用程序的性能。 ... [详细]
  • 本文介绍了一个将 Java 实体对象转换为 Map 的工具类,通过反射机制获取实体类的字段并将其值映射到 Map 中,适用于需要将对象数据结构化处理的场景。 ... [详细]
  • 使用Java计算两个日期之间的月份数
    本文详细介绍了利用Java编程语言计算两个指定日期之间月份数的方法。文章通过实例代码讲解了如何使用Joda-Time库来简化日期处理过程,旨在为开发者提供一个高效且易于理解的解决方案。 ... [详细]
  • 本文探讨了SQLAlchemy ORM框架中如何利用外键和关系(relationship)来建立表间联系,简化复杂的查询操作。通过示例代码详细解释了relationship的定义、使用方法及其与外键的相互作用。 ... [详细]
  • 今天老师上课讲解的很好,特意记录下来便于以后复习。多态的简单理解*1.什么是多态性?*(1)同一个动作与不同的对象产生不同的行为*(2)多态指的 ... [详细]
  • 本文详细介绍了如何使用 Python 编程语言中的 Scapy 库执行 DNS 欺骗攻击,包括必要的软件安装、攻击流程及代码示例。 ... [详细]
author-avatar
飞松安步当车9_U
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有