lucene

Lucene是apache旗下的顶级项目,是一个全文检索工具包。

Lucene就是一个可以创建全文检索引擎系统的一堆jar.可以使用它来构建全文检索引擎系统,但是它不能独立运。

 

全文检索引擎系统

 

放在tomcat下可以独立运行,对外提供全文检索服务.

 

Lucene应用领域

 

  1. 互联网全文检索引擎(比如百度,  谷歌,  必应)
  2. 站内全文检索引擎(淘宝, 京东搜索功能)
  3. 优化数据库查询(因为数据库中使用like关键字是全表扫描也就是顺序扫描算法,查询慢)

 

 

Lucene下载

官方网站:http://lucene.apache.org/ 

版本:lucene4.10.3

Jdk要求:1.7以上

IDEEclipse

 

Lucene结构

 

 

 

索引:

 

域名:词  这样的形式,

 

它里面有指针执行这个词来源的文档

 

 

 

索引库: 放索引的文件夹(这个文件夹可以自己随意创建,在里面放索引就是索引库)

 

Term词元: 就是一个词, lucene中词的最小单位

 

 

Document对象,一个Document中可以有多个Field域对象,Field域对象中是key   value键值对的形式:有域名和域值,

 

一个document就是数据库表中的一条记录, 一个Filed域对象就是数据库表中的一行一列

 

这是一个通用的存储结构.

 

 

 

创建索引和所有时所用的分词器必须一致

 

 

域的详细介绍

 

是否分词:

 

分词的作用是为了索引

 

需要分词: 文件名称, 文件内容

 

不需要分词: 不需要索引的域不需要分词,还有就是分词后无意义的域不需要分词

 

  比如: id, 身份证号

 

 

 

是否索引:

 

索引的的目的是为了搜索.

 

需要搜索的域就一定要创建索引,只有创建了索引才能被搜索出来

 

不需要搜索的域可以不创建索引

 

需要索引: 文件名称, 文件内容, id, 身份证号等

 

不需要索引: 比如图片地址不需要创建索引, e:\\xxx.jpg

 

因为根据图片地址搜索无意义

 

 

 

是否存储:

 

存储的目的是为了显示.

 

是否存储看个人需要,存储就是将内容放入Document文档对象中保存出来,会额外占用磁盘空间, 如果搜索的时候需要马上显示出来可以放入document中也就是要存储,这样查询显示速度快, 如果不是马上立刻需要显示出来,则不需要存储,因为额外占用磁盘空间不划算.

 

 

 

 

搜索

 

TermQuery:

 

根据词进行搜索(只能从文本中进行搜索)

 

QueryParser:

 

根据域名进行搜索,可以设置默认搜索域,推荐使用. (只能从文本中进行搜索)

 

NumericRangeQuery:

 

从数值范围进行搜索

 

BooleanQuery:

 

组合查询,可以设置组合条件,not and or.从多个域中进行查询

 

must相当于and关键字,是并且的意思

 

should,相当于or关键字或者的意思

 

must_not相当于not关键字, 非的意思

 

注意:单独使用must_not  或者 独自使用must_not没有任何意义

 

MatchAllDocsQuery:

 

查询出所有文档

 

MultiFieldQueryParser:

 

可以从多个域中进行查询,只有这些域中有关键词的存在就查询出来.

 

相关文章