2019-10-15-全文搜索技术-Lucene1

1，Lucene是什么

        lucene是apache下的一个开放源代码的全文检索引擎工具包(jar)

        原理：新华字典,

2，Lucene应用领域有哪些

        1.      互联网全文检索引擎(比如百度，谷歌，必应)

        2.      站内全文检索引擎(淘宝，京东搜索功能)

        3.      优化数据库查询(因为数据库中使用like关键字是全表扫描也就是顺序扫描算法,查询慢)

3，数据的分类和搜索方法有哪些

        结构化数据: 指具有固定格式或有限长度的数据,如数据库等;

        非结构化数据: 指不定长或无固定格式的数据, 如邮件、word 文档中的数据等;

                                运行Lucene

1，Lucene开发环境

官网：http://lucene.apache.org下载：http://lucene.apache.org/core/downloads.html      

2，使用的jar包

Lucene包：

        lucene-core-4.10.3.jar 核心包

        lucene-analyzers-common-4.10.3.jar 分词包

        lucene-queryparser-4.10.3.jar 查询包

其它：

        commons-io-2.4.jar

        junit-4.9.jar

第一步：pom.xml引入依赖

3， Lucene实现全文检索    

第二步：创建索引

1、获得原始文档

原始文档：是指要索引和搜索的内容。原始内容包括互联网上的网页、数据库中的数据、磁盘上的文件等。

本案例我们要获取磁盘上文件的内容，可以通过文件流来读取文本文件的内容，对于pdf、doc、xls等文件可通过第三方提供的解析工具读取文件内容，比如Apache POI读取doc和xls的文件内容。

2、创建文档对象

获取原始文档的目的是为了索引，在索引前需要将原始内容创建成文档对象（Document），Document中包括一些Field（file_name文件名称、file_path文件路径、file_size文件大小、file_content文件内容），如下图：

3、分析文档（分词）

4、创建索引

        索引结构：域名:词

        索引作用：它里面有指针指向这个词来源的文档

第三步：查询索引

创建索引和查询索引时所用的分词器必须一致,如下案例中搜索关键字“数据结构”：

结构化数据: 有固定格式或有限长度的数据

    1，指定索引库位置

2，指定查询条件

3，查询遍历结果