内容简介:Lucene实践心得笔记
在使用Lucene前,我们先大致熟悉下Lucene的几个核心类。
核心索引类:
- public class IndexWriter
索引过程的中心组件,把它想象成一个可以对索引进行写操作的对象。
- public abstract class Directry
Directory代表索引所在的位置,该抽象类有两个具体的子类实现。FSDirectory表示存储在文件系统的索引位置,RAMDirectory表示存储在内存中的索引位置。
-
public abstract class Analyzer
分词组件。在建立索引前首先要对文档进行分词,Lucene默认有一些分词类的实现,自己实现的分词要继承该类。
-
public final class Document
Document类似于数据库中的一条记录,它由好几个字段Field组成。
-
public final class Field
Field用来描述文档的某个属性,例如文章的标题,内容等等。
核心搜索类:
-
public class IndexSeacher
用来在已经建好的索引上进行搜索操作
-
public final class Term
搜索的基本单元。Term对象有两个域组成。Term term = new Term("fieldName","queryWord");
-
public abstract class Query
抽象类,有很多具体实现类。该类主要作用把用户输入的查询语句转换为Lucene能够是别的query。
-
public final class Hits(TopDocs)
Hits是用来保存查询得到的结果的。最新版的Lucene中,TopDocs已代替了Hits。
我们拿一张纸、一支笔,填写下面的表格:
序号 |
文件名 |
文件路径 |
文件类型 |
文件大小 |
修改时间 |
内容 |
…… |
填完以后,搜索的时候就可以照着这张纸“按图索骥”了。
在lucene中,这张纸叫做Directory(也就是索引保存的目录),这支笔叫做IndexWriter,表格中一条记录叫做Document,记录中的每项叫做Field。
下面我们来看第一个简单的Lucene实现索引的例子(Lucene版本为4.10.1)。 public class LuceneDemo { public static void main(String[] args){ //RAMDirectory(内存路径)继承自Directory抽象类,另一个继承自该类的是FSDirectory(文件系统路径),Directory dir = FSDirectory.open(new File("此处写索引存储的位置,")); Directory dir = new RAMDirectory(); //SimpleAnalyzer继承自抽象类Analyzer,是分词组件,不同语言有不同的分词组件包,也可以自己定义实现该抽象类 Analyzer analyzer = new SimpleAnalyzer(); //定义IndexWriterConfig IndexWriterConfig iwc = new IndexWriterConfig(Version.LATEST, analyzer); //定义document对象 Document doc = new Document(); try { //第一步,切词入库,创建索引。定义IndexWriter对索引进行“写”操作 IndexWriter iw = new IndexWriter(dir, iwc); //Field对象的构造方法有四个参数,前两个参数表示要建立索引的name和value,name指索引的名称,value指要建立索引的“文档对象”,例如博客的标题、正文 //Field.Store有YES和NO两个值,表示是否存储该Field //Field.Index有5个不同的取值,ANALYZED,ANALYZED_NO_NORMS,NOT_ANALYZED,NOT_ANALYZED_NO_NORMS,NO,根据不同情况选择是否分词 doc.add(new Field("title", "james bonde", Field.Store.YES, Field.Index.ANALYZED)); doc.add(new Field("content","He want to go to school next year.",Field.Store.YES,Field.Index.ANALYZED)); doc.add(new Field("doc","He will go to his mother's home.",Field.Store.YES,Field.Index.ANALYZED)); iw.addDocument(doc); iw.close(); //第二步,查询索引,返回结果 IndexReader ir = DirectoryReader.open(dir); //定义IndexSearcher IndexSearcher is = new IndexSearcher(ir); //定义Term,new Term("doc", "home"),第一个值表示要搜索的域,第二个则表示搜索值 Term term = new Term("doc", "home"); //TermQuery继承自Query抽象类,是Lucene最基本的查询 Query query = new TermQuery(term); //执行查询,返回TopDocs对象结果集 TopDocs td = is.search(query, 10); for(int i=0;i<td.scoreDocs.length;i++){ Document d = is.doc(td.scoreDocs[i].doc); System.out.println("----------"+d.getField("title")); System.out.println("----------"+d.getField("content")); System.out.println("----------"+d.getField("doc")); } dir.close(); } catch (IOException e) { // TODO Auto-generated catch block e.printStackTrace(); } } }
索引的创建、修改和删除 首先,我们来看一个例子:开源中国社区每天都有人发布新的博客,同时也有很多人在进行修改和删除博客的操作。如果我们只更新博客数据而不更新对应的索引数据,这会带来那些问题呢? 新增的博客信息不能够及时被用户搜索到; 修改的博客信息查询时依然显示之前的内容; 删除的博客信息查询时存在但实际已被删除。 因此,为了提高系统搜索的准确性和实时性,我们在进行数据更新的同时,也会更新与之对应的索引数据,这样业务数据就可以保持与索引数据的一致,上面的几个问题也就随之解决了。 首先,我们来看新增索引的操作,这个比较简单,之前的例子里面已经有讲到: //当新增博客时,索引也增量更新 public void addLuceneIndex(Blog blog){ try { IndexWriter writer = new IndexWriter(directory, config); Document doc = new Document(); //文章id,需要存储,查询结果的链接需要,但不需要检索 doc.add(new Field("id",blog.getString("id"),Field.Store.YES,Field.Index.NO)); //文章标题,需要存储也需要切词索引 doc.add(new Field("title",blog.getString("title"),Field.Store.YES,Field.Index.ANALYZED)); //文章内容一般会比较长,所以不需要存储,但需要切词索引 doc.add(new Field("content",blog.getString("content"),Field.Store.NO,Field.Index.ANALYZED)); //文章作者,需要存储,整体索引但不切词 doc.add(new Field("author",blog.getString("author"),Field.Store.YES,Field.Index.NOT_ANALYZED)); writer.addDocument(doc); writer.forceMerge(1); writer.commit(); } catch (IOException e) { // TODO Auto-generated catch block e.printStackTrace(); } } 当博客被修改时,对应索引也执行更新操作,实际后台代码执行的是先删除再新增操作。 //索引更新操作 public void updateLuceneIndex(Blog blog){ try { IndexWriter writer = new IndexWriter(directory, config); Document doc = new Document(); writer.updateDocument(new Term("id", blog.getString("id")), doc); writer.forceMerge(1); writer.commit(); } catch (IOException e) { // TODO Auto-generated catch block e.printStackTrace(); } } 当文章删除时,对应索引也执行删除操作 //索引删除操作 public void delLuceneIndex(Blog blog){ try { indexWriter.deleteDocuments(new Term("id", blog.getString("id"))); // Document删除 } catch (IOException e) { e.printStackTrace(); } } 最后说明一下,索引文件的增、删、改在实际应用过程中也是有很多策略的。比如对于搜索实时性要求比较高的系统,可以采取实时更新的策略,在更新记录时同时更新索引;如果系统对搜索的实时性要求不高,且服务器资源有限,可以设置一个定时任务,把白天更新的记录都标记出来,在凌晨服务器空闲的时候批量更新。总之,可以根据自己的需要去灵活的应用。 分词(切词) 分词也叫作切词,是指把文档的内容按照一定的规则切分成一个个独立的词语,通俗的说就是把句子切分成词语。分词是影响Lucene查询效率和查询准确率的关键因素。所有的分词器都继承自Lucene的Analyzer,今天介绍最流行和通用的中文分词器IKAnalyzer的使用。 Lucene默认实现的有英文分词。英文分词相对简单,主要是对每个单词的单复数,时态等做转换即可。而中文分词相对更复杂一些。因为中文的词库本身就非常庞杂,同一个句子可能有好几种分词法,不同的分词法可能就会导致不同的查询结果。IKAnalyzer为我们解决以上问题提供了很好的方案,它允许我们可以个性化定义扩展词库,而且分词效率极高。 下面我们来看下IKAnalyzer的配置文件IKAnalyzer.cfg.xml,把它放置到源文件根目录下面,系统会自动加载进来。 <?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd"> <properties> <comment>IKAnalyzer扩展配置</comment> <!--用户可以在这里配置自己的扩展字典--> <entry key="ext_dict"> /com/jfinal/lucene/ext.dic; /com/jfinal/lucene/ft_main2012.dic; /com/jfinal/lucene/ft_quantifier.dic; </entry> <!--用户可以在这里配置自己的扩展停止词字典--> <entry key="ext_stopwords"> /com/jfinal/lucene/stop.dic </entry> </properties> ext.dic用来定义自己的扩展词库。比如特定的地名,人名,就相当于告诉分词器如果遇到这些词汇就把它们做单独分词; stop.dic用来定义自己的扩展停止词字典,停止词就是指那些最普通的,没有特定含义的词。比如英语里面的a ,the,汉语里面的了,又等等。 把IKAnalyzer的jar包拷贝到lib下,使用时新建对象即可。 Analyzer analyzer = new IKAnalyzer()
--------------------------------------分割线 --------------------------------------
基于Lucene多索引进行索引和搜索 http://ww w.linuxidc.com/Linux/2012-05/59757.htm
Lucene 实战(第2版) 中文版 配套源代码 http://www.linuxidc.com/Linux/2013-10/91055.htm
Lucene 实战(第2版) PDF高清中文版 http://www.linuxidc.com/Linux/2013-10/91052.htm
使用Lucene-Spatial实现集成地理位置的全文检索 http://www.linuxidc.com/Linux/2012-02/53117.htm
Lucene +Hadoop 分布式搜索运行框架 Nut 1.0a9 http://www.linuxidc.com/Linux/2012-02/53113.htm
Lucene + Hadoop 分布式搜索运行框架 Nut 1.0a8 http://www.linuxidc.com/Linux/2012-02/53111.htm
Lucene + Hadoop 分布式搜索运行框架 Nut 1.0a7 http://www.linuxidc.com/Linux/2012-02/53110.htm
Project 2-1: 配置Lucene, 建立WEB查询系统[Ubuntu 10.10] http://www.linuxidc.com/Linux/2010-11/30103.htm
--------------------------------------分割线 --------------------------------------
Lucene 的详细介绍 : 请点这里
Lucene 的下载地址 : 请点这里
本文永久更新链接地址 : http://www.linuxidc.com/Linux/2017-03/141902.htm
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- Dockfile 实践心得
- 一次全栈实践心得
- rabbitmq 实践与学习心得分享(1)
- 敏捷开发 Agile 中 Scrum 与 Kanban 的实践心得
- 五个案例,三大心得,Meratix创始人带你进阶深度学习的实践应用之路
- 朱晔的互联网架构实践心得 S2E1:业务代码究竟难不难写?
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Effective Modern C++ 简体中文版
Scott Meyers / 高博 / 中国电力出版社 / 2018-4-23 / 99
想要彻底理解C++11和C++14,不可止步于熟悉它们引入的语言特性(例如,auto型别推导、移动语义、lambda表达式以及并发支持)。挑战在于高效地运用这些特性——从而使你的软件具备正确性、高效率、可维护性和可移植性。这正是这本实用的图书意欲达成的定位。它描述的正是使用C++11和C++14——现代C++来撰写真正卓越的软件之道。 涵盖以下主题: 大括号初始化、noexcept规格......一起来看看 《Effective Modern C++ 简体中文版》 这本书的介绍吧!