Lucene自学之路（一）——Lucene介绍

一、Lucene介绍

Lucene是apache软件基金会4 jakarta项目组的一个子项目&＃xff0c;是一个开放源代码的全文检索引擎工具包&＃xff0c;但它不是一个完整的全文检索引擎&＃xff0c;而是一个全文检索引擎的架构&＃xff0c;提供了完整的查询引擎和索引引擎&＃xff0c;部分文本分析引擎&＃xff08;英文与德文两种西方语言&＃xff09;。Lucene的目的是为软件开发人员提供一个简单易用的工具包&＃xff0c;以方便的在目标系统中实现全文检索的功能&＃xff0c;或者是以此为基础建立起完整的全文检索引擎

全文检索概述

比如&＃xff0c;我们一个文件夹中&＃xff0c;或者一个磁盘中有很多的文件&＃xff0c;记事本、world、Excel、pdf&＃xff0c;我们想根据其中的关键词搜索包含的文件。例如&＃xff0c;我们输入Lucene&＃xff0c;所有内容含有Lucene的文件就会被检查出来。这就是所谓的全文检索。

所以应该建立一个关键字与文件的映射关系。有了这种映射关系&＃xff0c;我们就来看看Lucene的架构设计。 下面是Lucene的资料必出现的一张图&＃xff0c;但也是其精髓的概括。

Lucene的使用主要体现在两个步骤&＃xff1a;

1 创建索引&＃xff0c;通过IndexWriter对不同的文件进行索引的创建&＃xff0c;并将其保存在索引相关文件存储的位置中。

2 通过索引查寻关键字相关文档。

Lucene数学模型
文档、域、词元

文档是Lucene搜索和索引的原子单位&＃xff0c;文档为包含一个或者多个域的容器&＃xff0c;而域则是依次包含“真正的”被搜索的内容&＃xff0c;域值通过分词技术处理&＃xff0c;得到多个词元。

For Example&＃xff0c;一篇小说&＃xff08;斗破苍穹&＃xff09;信息可以称为一个文档&＃xff0c;小说信息又包含多个域&＃xff0c;例如&＃xff1a;标题&＃xff08;斗破苍穹&＃xff09;、作者、简介、最后更新时间等等&＃xff0c;对标题这个域采用分词技术又可以得到一个或者多个词元&＃xff08;斗、破、苍、穹&＃xff09;。

Lucene文件结构

层次结构

index 一个索引存放在一个目录中

segment 一个索引中可以有多个段&＃xff0c;段与段之间是独立的&＃xff0c;添加新的文档可能产生新段&＃xff0c;不同的段可以合并成一个新段

document 文档是创建索引的基本单位&＃xff0c;不同的文档保存在不同的段中&＃xff0c;一个段可以包含多个文档

field 域&＃xff0c;一个文档包含不同类型的信息&＃xff0c;可以拆分开索引

term 词&＃xff0c;索引的最小单位&＃xff0c;是经过词法分析和语言处理后的数据。

二、lucene中类介绍

1、IndexWriter

IndexWriter lucene中最重要的的类之一&＃xff0c;它主要是用来将文档加入索引&＃xff0c;同时控制索引过程中的一些参数使用。
2、Analyzer
Analyzer 分析器,主要用于分析搜索引擎遇到的各种文本。常用的有StandardAnalyzer分析器,StopAnalyzer分析器,WhitespaceAnalyzer分析器等。
3、Directory
Directory 索引存放的位置;lucene提供了两种索引存放的位置&＃xff0c;一种是磁盘&＃xff0c;一种是内存。一般情况将索引放在磁盘上&＃xff1b;相应地lucene提供了FSDirectory和RAMDirectory两个类。

Document 文档;Document相当于一个要进行索引的单元&＃xff0c;任何可以想要被索引的文件都必须转化为Document对象才能进行索引。

4、IndexSearcher
IndexSearcher 是lucene中最基本的检索工具&＃xff0c;所有的检索都会用到IndexSearcher工具;
5、Query
Query 查询&＃xff0c;lucene中支持模糊查询&＃xff0c;语义查询&＃xff0c;短语查询&＃xff0c;组合查询等等,如有TermQuery,BooleanQuery,RangeQuery,WildcardQuery等一些类。
6、QueryParser
QueryParser 是一个解析用户输入的工具&＃xff0c;可以通过扫描用户输入的字符串&＃xff0c;生成Query对象。

如果你觉得本篇文章对你有所帮助的话&＃xff0c;麻烦请点击头像右边的关注按钮&＃xff0c;谢谢&＃xff01;

技术在交流中进步&＃xff0c;知识在分享中传播