ssm学习——Lucene建立索引

Posted 2021-01-17 dbbf

一：理论知识

　　1.非结构化数据查询方法

　　　　1）顺序扫描法

　　　　　　太慢，效率不高。

　　　　2）全文检索法

　　　　　　对需要查询的文档创建索引，再对其进行搜索。其实说白了就是为了使其结构化。

　　2.索引创建和搜索流程图

　　　　1）流程图

　　　　　　

　　　　2）索引库

　　　　　　索引库是由两部分组成的，一部分是索引，另一部分是文档对象（不是原始文档）。

　　3.流程图详解

　　　　1）创建文档对象

　　　　　　有以下规则

　　　　　　　　a.不同的文档可以有不同的Field

　　　　　　　　b.同一个文档可以有相同的Field

　　　　　　　　c.每一个文档有一个唯一的编号id

　　　　2）分析文档

　　　　　　分析的过程是经过对原始文档提取单词，将字母转换成小写，去除标点符号等过程最终生成语汇单元（一个一个的单词）。

　　　　　　注意：不同的域中生成的term是不同的term。

　　　　　　term好像是索引的基本单位，term包含文档域名和单词内容。例如一个文档的文件名包含java是不同于内容中包含java的。这是通过term来实现的。

　　　　3）创建索引

　　　　　　为每一个term，指向所在的文档对象。Lucene是倒排索引，是先找到这个term再找到这个文档，这种方法比顺序查找效率高。

 

二：实例

　　1.准备工作

　　　　1）创建java工程

　　　　2）导包

　　　　　　lucene-core-4.10.3.jar

　　　　　　lucene-analyzer-common-4.10.3.jar

　　　　　　lucene-queryparser-4.10.3.jar

　　　　　　common-io-2.4.jar

　　2.实现步骤

　　　　1)实现步骤

　　　　　　1.创建一个IndexWriter对象

　　　　　　　　指定索引库存放位置

　　　　　　　　指定一个分析器

　　　　　　2.创建document对象

　　　　　　3.创建field对象

　　　　　　4.使用IndexWriter对象进行索引创建

　　　　　　4.关闭IndexWriter对象

　　　　2）代码

　　3.Field的一些说明

　　　　1）Field域有几大实现类，选择依据：

　　　　　　是否分析：是否对域的内容进行分词处理。是否要对域的内容进行查询

　　　　　　是否索引：无论是否分析，但是索引要搜索到。有一些不分析，但是也要进行索引。

　　　　　　是否存储：将Field值存储在文档对象中，凡是将来要从Document中获取的Field都要存储。

　　　　2）Field的子类

　　　　　　

　　　　3）使用工具查看建立的索引库

　　　　　　Luke - Lucene Index Toolbox

 

　　　　　

注意事项：Lucene不提供信息采集的类库，需要其它库支持。（Nutch，jsoup，heritrix）