lucene的例子.请学习的朋友来看看.
关于 lucene2.0 的创建、检索和删除功能的完整实现
lucene2.2.0 下载地址:
http://apache.mirror.phpchina.com/lucene/java/lucene-2.2.0.zip
最近要做一个站内的全文检索功能，主要是针对 clob 字段的，于是去网上找了点 lucene 的资料，现在新版本的是 2.0.0
，网上的例子多是 1.4.3 的，有些方法已经废弃了，搞了 n 久终于把 2.0.0
的功能实现了，呵呵，下面把实现的代码贴出来，实现了索引的创建、检索和删除功能，并可以从检索结果去查询数据库 ~
// 创建索引
public void indexFiles() {
// 创建索引文件存放路径
File indexDir = new File("E://lucene_Learning//lucene-2.0.0src//src//demo//index");
try {
Date start = new Date();
// 创建分析器 , 主要用于从文本中抽取那些需要建立索引的内容 , 把不需要参与建索引的文本内容去掉 .
// 比如去掉一些 a the 之类的常用词 , 还有决定是否大小写敏感 .
StandardAnalyzer standardAnalyzer = new StandardAnalyzer();
// 参数 true 用于确定是否覆盖原有索引的
IndexWriter indexWriter = new IndexWriter(indexDir, standardAnalyzer, true);
indexWriter.setMergeFactor(100);
indexWriter.setMaxBufferedDocs(100);
// 只索引这个 Field 的前 5000 个字，默认为 10000
indexWriter.setMaxFieldLength(5000);
// 从数据库取出所有纪录
List articleList = articleManager.getArticles(null);
for (int i = 0; i < articleList.size(); i++) {
Article article = (Article) articleList.get(i);
// 在 Document 方法是创建索引的具体代码
Document doc = Document(article);
indexWriter.addDocument(doc);
}
// Optimize 的过程就是要减少剩下的 Segment 的数量 , 尽量让它们处于一个文件中 .
indexWriter.optimize();
indexWriter.close();
Date end = new Date();
System.out.println("create index: " + (end.getTime() - start.getTime()) + " total milliseconds");
} catch (IOException e) {
System.out.println(" caught a " + e.getClass() + "/n with message: " + e.getMessage());
}
}
public static Document Document(Article article)
throws java.io.IOException {
Document doc = new Document();
// 为 article 表的主健创建索引，关于 Field 的几个参数下面有详细解释
Field fieldId = new Field("uid", article.getArticleId(),
Field.Store.YES, Field.Index.UN_TOKENIZED, Field.TermVector.YES);
// 为 detail 字段创建索引， detail 在 DB 中是 clob 字段，内容为 html 文本
String contentHtml = article.getDetail();
Reader read = new StringReader(contentHtml);
// 用 HTMLParser 把 detail 字段中的 HTML 分析成文本在索引
// HTMLParser 这个类可以在 lucene 的 demo 中找到
HTMLParser htmlParser = new HTMLParser(read);
BufferedReader breader = new BufferedReader(htmlParser.getReader());
String htmlContent ="";
String tempContent = breader.readLine();
while (tempContent != null && tempContent.length() > 0) {
htmlContent = htmlContent + tempContent;
tempContent = breader.readLine();
}
Field fieldContents = new Field("content", htmlContent,
Field.Store.COMPRESS, Field.Index.TOKENIZED,Field.TermVector.YES);
// db 中的每条纪录对应一个 doc ，每个字段对应一个 field
doc.add(fieldId);
doc.add(fieldContents);
return doc;
}
// 搜索文件， keyword 是你在页面上输入的查找关键字，这里查找的是 detail 字段
public List searchFiles(String keyword){
String index = "E://lucene_Learning//lucene-2.0.0src//src//demo//index";
// hitsList 用来保存 db 的纪录，这些纪录可以通过查询结果取到
List hitsList = new ArrayList();
try {
Date start = new Date();
IndexReader reader = IndexReader.open(index);
Searcher searcher = new IndexSearcher(reader);
Analyzer analyzer = new StandardAnalyzer();
QueryParser parser = new QueryParser("content", analyzer);
// 解析查询关键字，比如输入的是以空格等分开的多个查询关键字，这里解析后，可以多条件查询
Query query = parser.parse(keyword);
// hits 用来保存查询结果，这里的 hits 相当于 sql 中的 result
Hits hits = searcher.search(query);
for (int i = 0; i < hits.length(); i++) {
Document doc = hits.doc(i);
// 获得 article 表的主健
String id = doc.get("uid");
// 根据主健去 db 中取纪录，返回到 hitsList 中
try {
Article article = articleManager.getArticle(id);
} catch (ObjectRetrievalFailureException e) {
article = null;
}
// 如果没有找到该纪录，表示该纪录已经不存在，不必添加到 hitsList 中
if(article!=null) hitsList.add(article);
}
searcher.close();
reader.close();
Date end = new Date();
System.out.println("search files: " + (end.getTime() - start.getTime()) + " total milliseconds");
} catch (IOException e) {
System.out.println(" caught a " + e.getClass() + "/n with message: " + e.getMessage());
} catch (ParseException e) {
System.out.println(" caught a " + e.getClass() + "/n with message: " + e.getMessage());
}
return hitsList;
}
// 删除索引
public void deleteIndex(){
String index = "E://lucene_Learning//lucene-2.0.0src//src//demo//index";
try {
Date start = new Date();
IndexReader reader = IndexReader.open(index);
int numFiles = reader.numDocs();
for (int i = 0; i < numFiles; i++) {
// 这里的删除只是给文档做一个删除标记，你可以看到执行 deleteDocument 后会产生一个 del 后缀的文件，
// 用来记录这些标记过的文件
reader.deleteDocument(i);
}
reader.close();
Date end = new Date();
System.out.println("delete index: " + (end.getTime() - start.getTime()) + " total milliseconds");
} catch (IOException e) {
System.out.println(" caught a " + e.getClass() + "/n with message: " + e.getMessage());
}
}
// 恢复已删除的索引
public void unDeleteIndex(){
String index = "E://lucene_Learning//lucene-2.0.0src//src//demo//index";
try {
IndexReader reader = IndexReader.open(index);
reader.undeleteAll();
reader.close();
} catch (IOException e) {
System.out.println(" caught a " + e.getClass() + "/n with message: " + e.getMessage());
}
}
Field 就像我们学过的数据库中的字段，简单的说，就是一个名值对。这个域有三种属性，分别是
isStored - 是否被存储
isIndexed - 是否被索引
isTokenized - 是否分词
这些属性的组合又构成了四种不同类型的 Field ，而且各有用途
Stored
Indexed
Tokenized
Keyword
Y
Y
N
UnIndexed
Y
N
N
UnStored
N
Y
Y
Text: String
Y
Y
Y
Text : Reader
N
Y
Y
关于 Field ， 2.0.0 版本和 1.4.3 版本方法相比改动比较大，具体见下表
1.4.3 版本中的下面方法都被 Field(String name, String value, Store store, Index index, TermVector termVector) 取代
Keyword(String name, String value) // only version 1.4.3
存储、索引、不分词，用于 URI （比如 MSN 聊天记录的日期域、比如 MP3 文件的文件全路径等等）
Field(String name, String value, Field.Store.YES, Field.Index.UN_TOKENIZED) // version 2.0.0
UnIndexed(String name, String value) // only version 1.4.3
存储、不索引、不分词，比如文件的全路径
Field(String name, String value,Field.Store.YES, Field.Index.NO)// version 2.0.0
UnStored(String name, String value) // only version 1.4.3
不存储、索引、分词，比如 HTML 的正文、 Word 的内容等等，这部分内容是要被索引的，但是由于具体内容通常很大，没有必要再进行存储，可以到时候根据 URI 再来挖取。所以，这部分只分词、索引，而不存储。
Field(String name, String value,Field.Store.YES, Field.Index.TOKENIZED)// version 2.0.0
Text(String name, String value) // only version 1.4.3
存储、索引、分词，比如文件的各种属性，比如 MP3 文件的歌手、专辑等等。 Field.Store.YES, Field(String
name, String value,Field.Index.TOKENIZED)// version 2.0.0
Text(String name, Reader value) // only version 1.4.3
Field(String name, Reader reader) // version 2.0.0
不存储、索引、分词。