What’s Lucene
Lucene是一個信息檢索的函數(shù)庫(Library),利用它你可以為你的應(yīng)用加上索引和搜索的功能.
Lucene的使用者不需要深入了解有關(guān)全文檢索的知識,僅僅學(xué)會使用庫中的一個類,你就為你的應(yīng)用實現(xiàn)全文檢索的功能.
不過千萬別以為Lucene是一個象google那樣的搜索引擎,Lucene甚至不是一個應(yīng)用程序,它僅僅是一個工具,一個Library.你也可以把它理解為一個將索引,搜索功能封裝的很好的一套簡單易用的API.利用這套API你可以做很多有關(guān)搜索的事情,而且很方便.
What Can Lucene Do
Lucene可以對任何的數(shù)據(jù)做索引和搜索. Lucene不管數(shù)據(jù)源是什么格式,只要它能被轉(zhuǎn)化為文字的形式,就可以被Lucene所分析利用.也就是說不管是MS word, Html ,pdf還是其他什么形式的文件只要你可以從中抽取出文字形式的內(nèi)容就可以被Lucene所用.你就可以用Lucene對它們進(jìn)行索引以及搜索.
How To Use Lucene --- A Simple Example
示例介紹:
為作為輸入?yún)?shù)的文件夾下的所有txt類型的文件做索引,做好的索引文件放入index文件夾.
然后在索引的基礎(chǔ)上對文件進(jìn)行全文搜索.
1. 建立索引
IndexWriterwriter
=
new
IndexWriter(
"
index
"
,
new
StandardAnalyzer(),
true
);
IndexDocs(writer,
new
System.IO.FileInfo(args[
0
]));
writer.Optimize();
writer.Close();
IndexWriter是對索引進(jìn)行寫操作的一個類,利用它可以創(chuàng)建一個索引對象然后往其中添加文件.需要注意它并不是唯一可以修改索引的類.在索引建好后利用其他類還可以對其進(jìn)行修改.
構(gòu)造函數(shù)第一個參數(shù)是建立的索引所要放的文件夾的名字.第二個參數(shù)是一個分析對象,主要用于從文本中抽取那些需要建立索引的內(nèi)容,把不需要參與建索引的文本內(nèi)容去掉.比如去掉一些a the之類的常用詞,還有決定是否大小寫敏感.不同的選項通過指定不同的分析對象控制.第三個參數(shù)用于確定是否覆蓋原有索引的.
第二步就是利用這個writer往索引中添加文件.具體后面再說.
第三步進(jìn)行優(yōu)化.
第四步關(guān)閉writer.
下面具體看看第二步:
public
static
void
IndexDirectory(IndexWriterwriter,FileInfofile)
{
if
(Directory.Exists(file.FullName))
{
String[]files
=
Directory.GetFileSystemEntries(file.FullName);
//
anIOerrorcouldoccur
if
(files
!=
null
)
{
for
(
int
i
=
0
;i
<
files.Length;i
++
)
{
IndexDirectory(writer,
new
FileInfo(files[i]));
//
這里是一個遞歸
}
}
}
else
if
(file.Extension
==
"
.txt
"
)
{
IndexFile(file,writer);
}
}
private
static
void
IndexFile(FileInfofile,IndexWriterwriter)
{
Console.Out.WriteLine(
"
adding
"
+
file);
try
{
Documentdoc
=
new
Document();
doc.Add(Field.Keyword(
"
filename
"
,file.FullName));
doc.Add(Field.Text(
"
contents
"
,
new
StreamReader(file.FullName)));
writer.AddDocument(doc);
}
catch
(FileNotFoundExceptionfnfe)
{
}
}
因此主要集中看一下IndexFile這個方法.首先建立Document對象,然后為Document對象添加一些屬性Field.你可以把Document對象看成是虛擬文件,將來將從此獲取信息.而Field則看成是描述此虛擬文件的元數(shù)據(jù)(metadata).
其中Field包括四個類型:
|
Keywork
|
該類型的數(shù)據(jù)將不被分析,而會被索引并保存保存在索引中.
|
|
UnIndexed
|
該類型的數(shù)據(jù)不會被分析也不會被索引,但是會保存在索引.
|
|
UnStored
|
和UnIndexed剛好相反,被分析被索引,但是不被保存.
|
|
Text
|
和UnStrored類似.如果值的類型為string還會被保存.如果值的類型為Reader就不會被保存和UnStored一樣.
|
最后將每一個Document添加到索引當(dāng)中.
需要注意的是索引不僅可以建立在文件系統(tǒng)上,也可以建立在內(nèi)存中.
例如
IndexWriter writer = new IndexWriter("index", new StandardAnalyzer(), true);
在第一個參數(shù)不是指定文件夾的名字而是使用Directory對象,并使用它的子類RAMDirectory,就可以將索引建立在內(nèi)存當(dāng)中.
2. 對索引進(jìn)行搜索
IndexSearcherindexSearcher
=
new
IndexSearcher(indexDir);
Queryquery
=
QueryParser.Parse(queryString,
"
contents
"
,
new
StandardAnalyzer());
Hitshits
=
indexSearcher.Search(query);
第一步利用IndexSearcher打開索引文件用于后面搜索,其中的參數(shù)是索引文件的路徑.
第二步使用QueryParser將可讀性較好的查詢語句(比如查詢的詞lucene ,以及一些高級方式lucene AND .net)轉(zhuǎn)化為Lucene內(nèi)部使用的查詢對象.
第三步執(zhí)行搜索.并將結(jié)果返回到hits集合.需要注意的是Lucene并不是一次將所有的結(jié)果放入hits中而是采取一次放一部分的方式.出于空間考慮.
至此，本文演示了如何從一個文件夾下的所有txt文件中查找特定的詞。并圍繞該個實例介紹了lucene.net的索引的建立以及如何針對索引進(jìn)行搜索.最后給出 源代碼 供大家學(xué)習(xí).
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯(lián)系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機(jī)微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
