lucene的简介及其工作方式的学习总结

Lucene是一个全文搜索框架&＃xff0c;而不是应用产品&＃xff0c;它可以方便的嵌入到各种应用中实现针对应用的全文索引/检索功能。因此它并不像www.baidu.com 或者google Desktop那么拿来就能用&＃xff0c;它只是提供了一种工具让你能实现这些产品。
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;即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。
作为一个开放源代码项目&＃xff0c;Lucene从问世之后&＃xff0c;引发了开放源代码社群的巨大反响&＃xff0c;程序员们不仅使用它构建具体的全文检索应用&＃xff0c;而且将之集成到各种系统软件中去&＃xff0c;以及构建Web应用&＃xff0c;甚至某些商业软件也采用了Lucene作为其内部全文检索子系统的核心。
已经有很多Java项目都使用了Lucene作为其后台的全文索引引擎&＃xff0c;比较著名的有&＃xff1a;Jive&＃xff1a;WEB论坛系统&＃xff1b;Eyebrows&＃xff1a;邮件列表HTML归档/浏览/查询系&＃xff1b;Cocoon:基于XML的web发布框架&＃xff0c;全文检索部分使用了Lucene&＃xff1b;apache软件基金会的网站使用了Lucene作为全文检索的引擎&＃xff1b;IBM的开源软件eclipse的2.1版本中也采用了Lucene作为帮助子系统的全文索引引擎&＃xff1b;IBM的商业软件Web Sphere中也采用了Lucene。
Lucene以其开放源代码的特性、优异的索引结构、良好的系统架构获得了越来越多的应用。Lucene是一个高性能、可伸缩的信息搜索(IR)库。它使你可以为你的应用程序添加索引和搜索能力。Lucene是用java实现的成熟的、免费的开源项目&＃xff0c;是著名的Apache Jakarta大家庭的一员&＃xff0c;并且基于在Apache软件许可 [ASF, License]。同样&＃xff0c;Lucene是当前与近几年内非常流行的免费的Java信息搜索(IR)库。
    lucene提供的服务实际包含两部分&＃xff1a;一入一出。所谓入是写入&＃xff0c;即将你提供的源&＃xff08;本质是字符串&＃xff09;写入索引或者将其从索引中删除&＃xff1b;所谓出是读出&＃xff0c;即向用户提供全文搜索服务&＃xff0c;让用户可以通过关键词定位源。
写入流程&＃xff1a;源字符串首先经过analyzer处理&＃xff0c;包括&＃xff1a;分词&＃xff0c;分成一个个单词&＃xff1b;去除stopword&＃xff08;可选&＃xff09;。将源中需要的信息加入Document的各个Field中&＃xff0c;并把需要索引的Field索引起来&＃xff0c;把需要存储的Field存储起来。 将索引写入存储器&＃xff0c;存储器可以是内存或磁盘。
读出流程&＃xff1a;用户提供搜索关键词&＃xff0c;经过analyzer处理。对处理后的关键词搜索索引找出对应的Document。用户根据需要从找到的Document中提取需要的Field。
索引过程&＃xff1a;从命令行读取文件名&＃xff08;多个&＃xff09;&＃xff0c;将文件分路径(path字段)和内容(body字段)2个字段进行存储&＃xff0c;并对内容进行全文索引&＃xff1a;索引的单位是Document对象&＃xff0c;每个Document对象包含多个字段Field对象&＃xff0c;针对不同的字段属性和数据输出的需求&＃xff0c;对字段还可以选择不同的索引/存储字段规则。