Lucene:小试牛刀

【简介】
　　lucene.net好多人都知道的吧，反正我是最近才好好的看了一下，别笑我拿历史当新闻哦，不太了解Lucence的朋友先听我说两句哦。Lucene的知识主要分为索引、搜索、分析器、性能优化几个部分。索引和搜索没啥可说的，看几个例子就会了，来回那一套儿，按部就班做几个实验就熟悉了。分析器是Lucence的精华，又分为分词和过滤两部分，而且中文分词更是难点，我的例子里是用从博客园程序中提取出来的Lucene.Net.Analysis.Cn.dll来实现中文分词的，谁有中科院的那套中科院ICTCLAS分词工具的C#版麻烦提供一下哦。性能优化也很重要，因为如果要索引的文件比较大的话，建立索引的性能就会很大的下降，你可以调整IndexWriter的几个参数来优化索引性能，还有可以用IndexWriter.Optimize()方法（这个方法主要是优化查询速度，反而使索引性能有所下降），另外就是可以用多线程来分别对不同的内容进行索引并保存到RAMDirectory里，然后再把所有的内存索引合并到FSDirectory里，甚至可以让多台服务器分别处理内容的各个部分，然后把索引结果放到一个队列里，再有一台机器去读取索引结果队列并合并索引结果。
　　做这个示例主要是为了演示一下Lucene.net的功能，它可以对你指定的目录里的.txt,.htm,.html文件进行全文索引，然后对其进行查询。由于如果要索引的目录里文件特别多特别大的话，建立索引需要花费很长的过程，所以我在示例程序里使用了异步编程，以便在建立索引的时候不阻塞界面线程。
【内容】
1、先看一个简单例子
public void Test1()
{
 //建立一个内存目录
 Lucene.Net.Store.RAMDirectory ramDir = new Lucene.Net.Store.RAMDirectory();

 //建立一个索引书写器
 IndexWriter ramWriter = new IndexWriter(ramDir,new ChineseAnalyzer(), true);

 //要索引的词，这就相当于一个个的要索引的文件
 string[] words = {"中华人民共和国", "人民共和国", "人民","共和国"}; 

 //循环数组，创建文档，给文档添加字段，并把文档添加到索引书写器里
 Document doc = null; 
 for (int i = 0; i < words.Length; i++)
 {
  doc = new Document();
  doc.Add(Field.Text("contents", words[i]));
  ramWriter.AddDocument(doc);
 }

 //索引优化
 ramWriter.Optimize();

 //关闭索引读写器，一定要关哦,按理说应该把上面的代码用try括主，在finally里关闭索引书写器
 ramWriter.Close();

 //构建一个索引搜索器
 IndexSearcher searcher = new IndexSearcher(ramDir);

 //用QueryParser.Parse方法实例化一个查询
 Query query = QueryParser.Parse("中华人民","contents",new ChineseAnalyzer());

 //获取搜索结果
 Hits hits = searcher.Search(query);

 //判断是否有搜索到的结果，当然你也可以遍历结果集并输出
 if (hits.Length() != 0)
  MessageBox.Show("有");
 else
  MessageBox.Show("没有");
}
2、其它的具体看下载代码吧。
　　下载的文件里有个doc的文件夹，里面有4个文本文件，大家可以试着给那个目录建立索引，然后搜索一下“人民”，“中华”等几个关键字，看看能出来搜索结果吗？简单说一下示例程序，就是遍历一个目录，找出所有文本和网页的文件，建立Lucene的Document文件，并索引了文件的目录和内容，然后添加到索引器里，最后在程序执行目录的Index子目录里建立索引，这一部分的调用使用了异步委托。搜索的时候就是在Index目录里检索符合某个关键字的条目。
【注意】
1、建立完索引后一定要调用IndexWriter的Close方法，否则如果你要索引的目录里的文件少于minMergeDocs的话，是不能建立索引的。
2、Field.Text的静态方法有两个重载版本，如果第二个参数是string的话那么这个字段既索引也存储，如果是TextReader的话只索引不存储，这点要搞清楚，另外在构建TextReader的时候要注意使用合适的编码格式，否则有的文件读出来是乱码，建立的索引肯定也是按乱码建立的咯。
【小节】
　　其实lucene大家谁也是学学就会，关键要是整一个像google，baidu这样的搜索引擎就难了，好歹这搜索引擎也是一个行业呢，所以谁有兴趣，好好钻研一下搜索行业的相关技术，没准靠这个还能创业呢，是吧。
　　再问一下，《lucence实战》有中文版吗？或者其它关于Lucence的中午图书，给推荐一本。
　　最后借贵地和大家讨论一个问题：从长远考虑，程序员学那项技术比较有前途？做程序也好几年了，想找一个领域好好深入一下，以后做一个行业的领域专家。那样才不会太累，要不什么都鼓捣，太累了，而且还不容易出成绩。我列举了几个方向，大家帮忙分析分析，谢谢。
1、linux+oracle（走数据库管理的路线）
2、汇编、c底层驱动开发（据说很简单，就那么几个指令，学一年就精通了，不像.NET，得老跟着走）
3、ec++,kjava嵌入式开发（包括手机游戏，路由固件等开发）
4、即时通讯行业(网络编程，包括网络游戏的服务端编程这些)
5、搜索行业（不太了解）
6、OA、工作流（自己做一套不用编程，拖拖拽拽画画就能实现企业业务流程的电子化,infopath,OSS,formserver,WF的那一套）
7、.net网站开发（范围很大，要掌握的东西太多，会的人很多，深入的很少）
8、流媒体开发（3G时代这玩意儿不知道能不能派上用场）
【参考】
idior的《Lucene.net系列》
李刚、宋伟、邱哲的《ajax+lucene构建搜索引擎》

下载地址：
http://files.cnblogs.com/onlytiancai/WawaSearch.rar