Lucene总的来说是:
- 一个高效的,可扩展的,全文检索库。
- 全部用Java实现,无须配置。
- 仅支持纯文本文件的索引(Indexing)和搜索(Search)。
- 不负责由其他格式的文件抽取纯文本文件,或从网络中抓取文件的过程。
在Lucene in action中,Lucene 的构架和过程如下图,
说明Lucene
是有索引和搜索的两个过程,包含索引创建,索引,搜索三个要点。
让我们更细一些看Lucene的各组件:
- 被索引的文档用Document对象
表示。 - IndexWriter
通过函数addDocument
将文档添加到索引中,实现创建索引的过程。 - Lucene
的索引是应用反向索引。 - 当用户有请求时,Query
代表用户的查询语句。 - IndexSearcher
通过函数search
搜索Lucene Index
。 - IndexSearcher
计算term weight
和score
并且将结果返回给用户。 - 返回给用户的文档集合用TopDocsCollector
表示。
那么如何应用这些组件呢?
让我们再详细到对Lucene API 的调用实现索引和搜索过程。
- 索引过程如下:
- 创建一个IndexWriter
用来写索引文件,它有几个参数,INDEX_DIR
就是索引文件所存放的位置,Analyzer
便是用来对文档进行词法分析和语言处理的。 - 创建一个Document
代表我们要索引的文档。 - 将不同的Field
加入到文档中。我们知道,一篇文档有多种信息,如题目,作者,修改时间,内容等。不同类型的信息用不同的Field
来表示,在本例子中,一共有两类信息进行了索引,一个是文件路径,一个是文件内容。其中FileReader
的SRC_FILE
就表示要索引的源文件。 - IndexWriter
调用函数addDocument
将索引写到索引文件夹中。
- 创建一个IndexWriter
- 搜索过程如下:
- IndexReader
将磁盘上的索引信息读入到内存,INDEX_DIR
就是索引文件存放的位置。 - 创建IndexSearcher
准备进行搜索。 - 创建Analyer
用来对查询语句进行词法分析和语言处理。 - 创建QueryParser
用来对查询语句进行语法分析。 - QueryParser
调用parser
进行语法分析,形成查询语法树,放到Query
中。 - IndexSearcher
调用search
对查询语法树Query
进行搜索,得到结果TopScoreDocCollector
。
- IndexReader
以上便是Lucene API函数的简单调用。
然而当进入Lucene的源代码后,发现Lucene有很多包,关系错综复杂。
然而通过下图,我们不难发现,Lucene的各源码模块,都是对普通索引和搜索过程的一种实现。
此图是上一节介绍的全文检索的流程对应的Lucene实现的包结构。(参照http://www.lucene.com.cn/about.htm
中文章《开放源代码的全文检索引擎Lucene》)
- Lucene
的analysis
模块主要负责词法分析及语言处理而形成Term
。 - Lucene
的index
模块主要负责索引的创建,里面有IndexWriter
。 - Lucene
的store
模块主要负责索引的读写。 - Lucene
的QueryParser
主要负责语法分析。 - Lucene
的search
模块主要负责对索引的搜索。 - Lucene
的similarity
模块主要负责对相关性打分的实现。
了解了Lucene的整个结构,我们便可以开始Lucene的源码之旅了。
另:
博客园此文链接为:http://www.cnblogs.com/forfuture1978/archive/2009/12/14/1623596.html
Javaeye此文链接为:http://forfuture1978.javaeye.com/blog/546808