1、全文检索
1.1 数据分类
结构化数据：指具有固定格式或有限长度的数据，如数据库，元数据等
非结构化数据：指不定长或无固定格式的数据，如邮件，word文档等磁盘上的文件
1.2 结构化数据搜索
常见的结构化数据也就是数据库中的数据。在数据库中搜索很容易实现，通常都是使用sql语句进行查询，而且能很快的得到查询结果
因为数据库中的数据存储是有规律的，有行有列而且数据格式、数据长度都是固定的
1.3 非结构化数据查询方法
1）顺序扫描法：所谓顺序扫描，比如要找内容包含某一个字符串的文件，就是一个文档一个文档的看，对于每一个文档，从头看到尾，如果此文档包含此字符串，则此文档为我们要找的文件，接着看下一个文件，直到扫描完所有的文件。如利用windows的搜索也可以搜索文件内容，只是相当的慢
2）全文检索：将非结构化数据中的一部分信息提取出来，重新组织，使其变得有一定结构，然后对此有一定结构的数据进行搜索，从而达到搜索相对较快的目的。这部分从非结构化数据中提取出的然后重新组织的信息，我们称之索引
这种先建立索引，再对索引进行搜索的过程就叫全文检索(Full-text Search)
虽然创建索引的过程也是非常耗时的，但是索引一旦创建就可以多次使用，全文检索主要处理的是查询，所以耗时间创建索引是值得的
2、Lucene实现全文检索的流程
2.1 索引和搜索流程图
1）绿色表示索引过程，对要搜索的原始内容进行索引构建一个索引库，索引过程包括：
确定原始内容即要搜索的内容 -> 采集文档 -> 创建文档 -> 分析文档 -> 索引文档
2）红色表示搜索过程，从索引库中搜索内容，搜索过程包括：
用户通过搜索界面 -> 创建查询 -> 执行搜索，从索引库搜索 -> 渲染搜索结果
2.2 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
2）创建文档对象
获取原始内容的目的是为了索引，在索引前需要将原始内容创建成文档（Document），文档中包括一个一个的域（Field），域中存储内容。
这里我们可以将磁盘上的一个文件当成一个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：
每个Document可以有多个Field，不同的Document可以有不同的Field，同一个Document可以有相同的Field（域名和域值都相同）
每个文档都有一个唯一的编号，就是文档id
3）分析文档
将原始内容创建为包含域（Field）的文档（document），需要再对域中的内容进行分析，分析的过程是经过对原始文档提取单词、将字母转为小写、去除标点符号、去除停用词等过程生成最终的语汇单元，可以将语汇单元理解为一个一个的单词
每个单词叫做一个Term，不同的域中拆分出来的相同的单词是不同的term。term中包含两部分一部分是文档的域名，另一部分是单词的内容
4）创建索引
对所有文档分析得出的语汇单元进行索引，索引的目的是为了搜索，最终要实现只搜索被索引的语汇单元从而找到Document（文档）
注意：创建索引是对语汇单元索引，通过词语找文档，这种索引的结构叫倒排索引结构。
传统方法是根据文件找到该文件的内容，在文件内容中匹配搜索关键字，这种方法是顺序扫描方法，数据量大、搜索慢。
倒排索引结构是根据内容（词语）找文档，如下图：
倒排索引结构也叫反向索引结构，包括索引和文档两部分，索引即词汇表，它的规模较小，而文档集合较大
2.3 查询索引
1）用户查询接口：全文检索系统提供用户搜索的界面供用户提交搜索的关键字，搜索完成展示搜索结果
2）创建查询：用户输入查询关键字执行搜索之前需要先构建一个查询对象，查询对象中可以指定查询要搜索的Field文档域、查询关键字等，查询对象会生成具体的查询语法
3）执行查询：根据查询语法在倒排索引词典表中分别找出对应搜索词的索引，从而找到索引所链接的文档链表
4）渲染结果：以一个友好的界面将查询结果展示给用户，用户根据搜索结果找自己想要的信息，为了帮助用户很快找到自己的结果，提供了很多展示的效果，比如搜索结果中将关键字高亮显示
3、入门程序
3.1 开发环境
使用：lucene-core-7.4.0.jar、lucene-analyzers-common-7.4.0.jar包
3.2 入门程序
第一步：创建一个java工程，并导入jar包
第二步：创建一个indexwriter对象
1）指定索引库的存放位置Directory对象
2）指定一个IndexWriterConfig对象
第三步：创建document对象
第四步：创建field对象，将field添加到document对象中
第五步：使用indexwriter对象将document对象写入索引库，此过程进行索引创建。并将索引和document对象写入索引库
第六步：关闭IndexWriter对象
3.3 查询索引
第一步：创建一个Directory对象，也就是索引库存放的位置
第二步：创建一个indexReader对象，需要指定Directory对象
第三步：创建一个indexsearcher对象，需要指定IndexReader对象
第四步：创建一个TermQuery对象，指定查询的域和查询的关键词
第五步：执行查询
第六步：返回查询结果，遍历查询结果并输出
第七步：关闭IndexReader对象
4、分析器
IKAnalyzer中文分析器
使用方法：
第一步：把jar包（IK-Analyzer-1.0-SNAPSHOT.jar）添加到工程中
第二步：把配置文件和扩展词典和停用词词典添加到classpath下
注意：hotword.dic和ext_stopword.dic文件的格式为UTF-8，注意是无BOM 的UTF-8 编码，也就是禁止使用windows记事本编辑扩展词典文件
5、索引库的维护
5.1 索引库的添加
Field域的属性：
是否分析：是否对域的内容进行分词处理，前提是我们要对域的内容进行查询
是否索引：将Field分析后的词或整个Field值进行索引，只有索引方可搜索到
是否存储：将Field值存储在文档中，存储在文档中的Field才可以从Document中获取
5.2 索引库的删除
1）删除全部：indexWriter.deleteAll();
2）指定查询条件删除：
5.3 索引库的修改
原理：先删除后添加
6、索引库的查询
对要搜索的信息创建Query查询对象，Lucene会根据Query查询对象生成最终的查询语法，类似关系数据库Sql语法一样Lucene也有自己的查询语法，比如：“name:lucene”表示查询Field的name为“lucene”的文档信息。可通过两种方法创建查询对象：
1）使用Lucene提供Query子类
TermQuery，通过项查询，TermQuery不使用分析器所以建议匹配不分词的Field域查询，比如订单号、分类ID号等，前面入门查询案例就是使用的termQuery
范围查询：Query query = LongPoint.newRangeQuery("size", 0l, 100l);
2）使用QueryParse解析查询表达式
通过QueryParser也可以创建Query，QueryParser提供一个Parse方法，此方法可以直接根据查询语法来查询
Query对象执行的查询语法可通过System.out.println(query);查询
需要使用到分析器，建议创建索引时使用的分析器和查询索引时使用的分析器要一致
需要加入queryParser依赖的jar包