Lucene.Net 2.3.1开发介绍 —— 索引（二）

2、索引中用到的核心类

在Lucene.Net索引开发中，用到的类不多，这些类是索引过程的核心类。其中Analyzer是索引建立的基础，Directory是索引建立中或者建立好存储的介质，Document和Field类是逻辑结构的核心，IndexWriter是操作的核心。其他类的使用都被隐藏掉了，这也是为什么Lucene.Net使用这么方便的原因。

 

2.1 Analyzer

前面已经对Analyzer进行了很详细的讲解，Analyzer将会把一段文本分析称一个个Token。这些Token如何被IndexWriter使用，这里牵涉到一个很重要的类，那就是DocumentsWriter。这个类非常关键，可以说是索引部分最核心的类，IndexWriter只是它的一个包装。这里主要介绍应用，所以就不做太详细的介绍。Token在DocumentsWriter类中，通过DocumentsWriter的最重要的方法——InvertField——推送到了Field中。这样就完成了分词添加到逻辑结构的过程。

 

2.2 Directory

严格来说，Directory并不专属于索引，它代表的是Lucene.Net的存储介质，它表示了索引具体存放到什么地方。在前面的两个示例中似乎没有使用到它，那是因为你传入的路径，会自动转换成Directory。Directory有两个子类，分别是RAMDirectory——代表索引存放到内存中，和FSDirectory——代表索引存放到硬盘。在使用FSDirectory存放到硬盘的过程中，还是会调用RAMDirectory。IndexWriter会把建立的索引先放到RAMDirectory，然后到一定的条件，才将这些数据写入硬盘。

 

2.3 IndexWriter

IndexWriter是索引中负责操作的核心，它负责把索引文件写入存储介质，是控制逻辑存储转换为物理存储的纽带。

IndexWriter共有10个可以使用的构造函数，但是他们的参数类型比较少。一共有以下几种：

 

（1）、Directory d；

（2）、Analyzer a；

（3）、bool create;

（4）、FileInfo path；

（5）、string path；

（6）、bool autoCommit；

（7）、IndexDeletionPolicy deletionPolicy；

 

其中6，7不常用。而FileInfo path和string path最终都会构造成Directory，又因为这两种路径都是磁盘的路径，所以构造出来的Directory一定是FSDrectory。bool create表示是否是创建，否则是增量更新，默认状态是false。bool autoCommit不常用，是用来指定是否当索引在close状态下才更新的，如果是false,则需要在close状态下更新。IndexDeletionPolicy deletionPolicy则是指定是否对以前的更新进行移除，它能表示为两个值，KeepOnlyLastCommitDeletionPolicy和SnapshotDeletionPolicy，默认状态下是，KeepOnlyLastCommitDeletionPolicy。

 

 

2.4 Document

Document就是一条虚拟记录，可以理解为数据里的一行。正是有了它，才使我们可以很方便并且易于理解地操作索引文件。它一般记录了需要用到的一个文档的属性，当然，这需要和Field联合使用。

 

2.5 Field

Field类就是数据库里的一列。一个文档有标题，内容，作者，创建时间这四个属性的话，那么就需要四个Field保存这些属性，然后把四个Field加入到Document中，就有了一行记录。在查询的时候，无论查那个列，总能得到一整行记录，是不是和数据库很相似？

Field本身具有一些属性，就和数据库里的列一样。它的属性通过它的三个内嵌类设置，其实这个地方完全可以用枚举，但是很遗憾的是Java里面没有枚举，所以移植过来也没有转换为枚举。

Field的构造函数也比较多，有7个之多。其中Store，Index和TermVector是通过内部类指定的。

（1）、Store 有三个选项，Field.Store.COMPRESS表示被压缩存储；Field.Store.YES表示储存；Field.Store.NO表示不被存储。

（2）、Index的选项有四个，Field.Index.NO表示不建立索引；Field.Index.TOKENIZED表示分词后索引；Index.NO_NORMS表示值存储内容；Field.Index.UN_TOKENIZED表示不分词索引。

（3）、TermVector这个参数也不常用，它有五个选项。Field.TermVector.NO表示不索引Token的位置属性；Field.TermVector.WITH_OFFSETS表示额外索引Token的结束点；Field.TermVector.WITH_POSITIONS表示额外索引Token的当前位置；Field.TermVector.WITH_POSITIONS_OFFSETS表示额外索引Token的当前和结束位置；Field.TermVector.YES则表示存储向量。
 

 

 

2.6 索引核心类工作流程

 

 

图 2.6.1

 

 

 如图2.6.1表示了数据在Lucene.Net索引过程处理的整个流程。注意，这个流程图中，分词器并不直接产生Field对象，在实例中Analyzer是被赋予IndexWriter实例的，等等执行添加文档操作的时候，IndexWriter才会真正地调用分词器生成Field需要的数据（在DocumentWriter类中）。上图只是反映了数据是如何流动的，并不是真实的调用过程。