lucene 6.0 经常使用类与方法

Posted 2020-09-16 jzdwajue

1.文件夹

org.apache.lucene.store.Directory

指定索引所在文件夹。

org.apache.lucene.store.RAMDirectory

 存放于内存中的文件夹。

org.apache.lucene.store.RAMDirectory.RAMDirectory(FSDirectory dir, IOContext context)
构造函数。把文件索引加载内存中。

org.apache.lucene.store.FSDirectory

抽象类，代表磁盘中的文件夹。有三个实现类：MMapDirectory、NIOFSDirectory与SimpleFSDirectory。

2.文档

org.apache.lucene.document.Document

文档是索引存储与搜索的基本单位。

org.apache.lucene.document.Document.Document()

默认构造函数。

void org.apache.lucene.document.Document.add(IndexableField field)

向文档中加入一个字段。

String org.apache.lucene.document.Document.get(String name)

依据field name拿内容。

若不存在返回null。

String org.apache.lucene.document.Document.toString()

内容格式为：Document<字段1信息 字段2信息 ... 字段n信息>。

一个样例为：Document<stored,indexed,tokenized,omitNorms,indexOptions=DOCS<id:4> stored,indexed,tokenized<content:try everything>>

3.字段

org.apache.lucene.document.Field

基类。

通常会使用它的多个子类。

org.apache.lucene.document.Field.Store
Field类的内部枚举类。

有enum{YES,NO}两个值。

3.1 FieldType

org.apache.lucene.document.FieldType
描写叙述一个Field的配置信息，包含是否分词、是否存储等。
org.apache.lucene.document.FieldType.FieldType()
默认构造函数。
void org.apache.lucene.document.FieldType.setStored(boolean value)
设置为true表示要在正向文件.fdx/.fdt中存储这个域。
void org.apache.lucene.document.FieldType.setTokenized(boolean value)
设置为true表示对内容依照预先配置的analyzer进行分词。

3.2 TextField

org.apache.lucene.document.TextField

Field的子类。

org.apache.lucene.document.TextField.TextField(String name, String value, Store store)

构造函数。

内部调用setTokenized(true)实现分词。一般用于文档正文。

3.3 StringField

org.apache.lucene.document.StringField
Field的子类。
org.apache.lucene.document.StringField.StringField(String name, String value, Store stored)
构造函数。

内部调用setTokenized(false)设置不分词。一般用于国家名、作者名、id等。

3.4数字类型

 org.apache.lucene.document.NumericDocValuesField

存储long类型。

日期与时间也能够转换为数字类型存储与筛选。

org.apache.lucene.document.DoubleDocValuesField

存储double类型。

4.建索引

org.apache.lucene.index.IndexWriter

创建并维护索引的类。

org.apache.lucene.index.IndexWriter.IndexWriter(Directory d, IndexWriterConfig conf) 

构造函数。

org.apache.lucene.index.IndexWriterConfig

代表IndexWriter的配置。

org.apache.lucene.index.IndexWriterConfig.IndexWriterConfig(Analyzer analyzer)

构造函数。

4.1 添加文档

void org.apache.lucene.index.IndexWriter.addDocument(Iterable<? extends IndexableField> doc)

向索引中加入文档。

4.2 删除文档

void org.apache.lucene.index.IndexWriter.deleteDocuments(Term... terms)

删除指定的文档。假设仅仅想删除单个文档。务必确保传入的域值仅仅会匹配到单个文档，就像数据库中表的主键PrimaryKey那样。

void org.apache.lucene.index.IndexWriter.deleteDocuments(Query... queries) 

删除指定的文档。注意事项同上。

4.3 更新文档

void org.apache.lucene.index.IndexWriter.updateDocument(Term term, Iterable<? extends IndexableField> doc)

首先删除与term匹配的全部文档，然后加入新文档。这种方法是通过调用deleteDocuments()与addDocument()函数实现的。

4.4 其它操作

int org.apache.lucene.index.IndexWriter.maxDoc()

返回索引中未删除+已删除的文档数。

int org.apache.lucene.index.IndexWriter.numDocs()

返回索引中未删除的文档数。

4.5提交更改与关闭

void org.apache.lucene.index.IndexWriter.commit() 

一些更改会被缓存，如增删文档、加入索引。调用此方法马上向索引提交待定的更改。

void org.apache.lucene.index.IndexWriter.close() 
关闭相关的资源并释放索引的“write lock‘”。关闭前会自己主动提交待定的更改。

5.读索引

org.apache.lucene.index.IndexReader

抽象类。读索引。

DirectoryReader org.apache.lucene.index.DirectoryReader.open(Directory directory)

在指定的文件夹上打开索引。如 IndexReader reader=DirectoryReader.open(directory);

Document org.apache.lucene.search.IndexSearcher.doc(int docID)

依据id读doc。

6.搜索

6.1 search运行

org.apache.lucene.search.IndexSearcher

在单索引上搜索。

org.apache.lucene.search.IndexSearcher.IndexSearcher(IndexReader r)

构造函数。

TopDocs org.apache.lucene.search.IndexSearcher.search(Query query, int n)

搜索并返回top n 的文档。

void org.apache.lucene.search.IndexSearcher.search(Query query, Collector results)

search()的重载函数。

TopFieldDocs org.apache.lucene.search.IndexSearcher.search(Query query, int n,Sort sort) 

search()的重载函数。

6.2 读结果

6.2.1 TopDocs

org.apache.lucene.search.TopDocs

类。表示搜索的返回结果。

float org.apache.lucene.search.TopDocs.getMaxScore()

结果列表中文档的最大得分值。

ScoreDoc[] org.apache.lucene.search.TopDocs.scoreDocs

public 字段。它没有get()方法，直接用。

6.2.2  ScoreDoc

org.apache.lucene.search.ScoreDoc

类。TopDocs内的基本存储单位。有int doc 与float score两个字段。

int org.apache.lucene.search.ScoreDoc.doc

这个ScoreDoc的id。然后可依据IndexSearcher.doc(int docID)拿到原始doc。

6.2.3 TopFieldDocs

org.apache.lucene.search.TopFieldDocs

TopDocs的子类，代表IndexSearcher.search(Query, int, Sort).方法的返回结果。

SortField[] org.apache.lucene.search.TopFieldDocs.fields

字段。

代表者若干排序根据。

ScoreDoc[] org.apache.lucene.search.TopDocs.scoreDocs

继承的父类的字段。盛放的实际是FieldDoc。

org.apache.lucene.search.FieldDoc

ScoreDoc的子类。

Object[] org.apache.lucene.search.FieldDoc.fields

字段。从前到后依次盛放着各项排序标准的分数。为int，float等。

6.1 搜索工作流

IndexSearcher.search()->TopDocs->topdocs.scoreDocs->ScoreDoc[]->docid=ScoreDoc.doc->Document=IndexSearcher.doc(id)

7. Term

org.apache.lucene.index.Term

与field概念类似，仅仅只是field.value为完整的内容，term.value为感兴趣的切分后的词。

org.apache.lucene.index.Term.Term(String fld, String text)
构造函数。

如Term term=new Term("field","content");
“this”、“，”之类的停用词通常会被收录进索引中，但在搜索的时候被过滤掉。

8.Analyzer 

对域值分析并生成token。可通俗地理解为分词器。

工作原理及相关类见文章《【lucene】 field->term的分析过程》

9.Query 

查询类，抽象类

9.1 TermQuery

TermQuery 最简单、最主要的Query，用来查询不切分的单词。

依靠Term类初始化

如Query query=new TermQuery(term);

9.2 QueryParser

org.apache.lucene.queryparser.classic.QueryParser

此类用于将lucene查询表达式转换为内置的查询类型。

org.apache.lucene.queryparser.classic.QueryParser.QueryParser(String fieldName, Analyzer a)

构造函数。

Query org.apache.lucene.queryparser.classic.QueryParserBase.parse(String query)

得到Query对象。

10.Collector

编写自己定义的Colletor，能够对搜索返回的文档实现更精确的控制。

详见《lucene Collector 文档收集器》