整合Lucene 4.10.1 与IK Analyzer

目录[-]

建立java项目

一个示例：

第二个示例：

参考：

更多资料：

注意，IK Analyzer需要使用其下载列表中的  IK Analyzer 2012FF_hf1.zip，否则在和Lucene 4.10配合使用时会报错。 

我使用 intellij IDEA 12进行的测试。 

建立java项目

建立项目HelloLucene，导入Lucene的几个库。“File”->“Project Structure”->



将IK Analyzer 2012FF_hf1.zip解压后的源码放入src目录，并将字典和配置文件放入src目录，最终如下：

一个示例：

IKAnalyzerDemo.java中是我在其他地方找的一个示例，和IK的官方示例很像。内容如下：

package org.apache.lucene.demo;
import java.io.IOException;
import java.io.StringReader;

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.TokenStream;
import org.apache.lucene.analysis.tokenattributes.CharTermAttribute;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.index.IndexReader;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.queryparser.classic.ParseException;
import org.apache.lucene.queryparser.classic.QueryParser;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.store.RAMDirectory;
import org.apache.lucene.util.Version;
import org.wltea.analyzer.lucene.IKAnalyzer;

public class IKAnalyzerDemo {

    /**
     * @param args
     * @throws IOException
     */
    public static void main(String[] args) throws IOException {
        // TODO Auto-generated method stub
        //建立索引
        String text1 = "IK Analyzer是一个结合词典分词和文法分词的中文分词开源工具包。它使用了全新的正向迭代最细粒度切" +
                "分算法。" ;
        String text2 = "中文分词工具包可以和lucene是一起使用的" ;
        String text3 = "中文分词,你妹" ;
        String fieldName = "contents" ;
        Analyzer analyzer = new IKAnalyzer();
        RAMDirectory directory = new RAMDirectory();
        IndexWriterConfig writerConfig = new IndexWriterConfig(Version.LUCENE_34, analyzer);
        IndexWriter indexWriter = new IndexWriter(directory, writerConfig);
        Document document1 = new Document();
        document1.add( new Field( "ID" , "1" , Field.Store.YES, Field.Index.NOT_ANALYZED));
        document1.add( new Field(fieldName, text1, Field.Store.YES, Field.Index.ANALYZED));
        indexWriter.addDocument(document1);

        Document document2 = new Document();
        document2.add( new Field( "ID" , "2" , Field.Store.YES, Field.Index.NOT_ANALYZED));
        document2.add( new Field(fieldName, text2, Field.Store.YES, Field.Index.ANALYZED));
        indexWriter.addDocument(document2);

        Document document3 = new Document();
        document3.add( new Field( "ID" , "2" , Field.Store.YES, Field.Index.NOT_ANALYZED));
        document3.add( new Field(fieldName, text3, Field.Store.YES, Field.Index.ANALYZED));
        indexWriter.addDocument(document3);
        indexWriter.close();


        //搜索
        IndexReader indexReader = IndexReader.open(directory);
        IndexSearcher searcher = new IndexSearcher(indexReader);
        String request = "中文分词工具包" ;
        QueryParser parser = new QueryParser(Version.LUCENE_40, fieldName, analyzer);
        parser.setDefaultOperator(QueryParser.AND_OPERATOR);
        try {
            Query query = parser.parse(request);
            TopDocs topDocs = searcher.search(query, 5 );
            System.out.println( "命中数:" +topDocs.totalHits);
            ScoreDoc[] docs = topDocs.scoreDocs;
            for (ScoreDoc doc : docs){
                Document d = searcher.doc(doc.doc);
                System.out.println( "内容:" +d.get(fieldName));
            }
        } catch (ParseException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        } finally {
            if (indexReader != null ){
                try {
                    indexReader.close();
                } catch (IOException e) {
                    e.printStackTrace();
                }
            }

            if (directory != null ){
                try {
                    directory.close();
                } catch (Exception e) {
                    e.printStackTrace();
                }
            }
        }

    }

}

这段代码是将索引文件放入内存中（RAMDirectory），运行结果如下： 

加载扩展停止词典：stopword.dic
命中数:2
内容:中文分词工具包可以和lucene是一起使用的
内容:IK Analyzer是一个结合词典分词和文法分词的中文分词开源工具包。它使用了全新的正向迭代最细粒度切分算法。

这段代码有两个问题： 
1、Field()已经不推荐按使用。 
2、QueryParser()的使用方式也改变了。 

下面是更加符合要求的示例。 

第二个示例：

MyIndex类用来创建索引： 

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.document.*;
import org.apache.lucene.document.Field.Store;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.util.Version;
import org.wltea.analyzer.lucene.IKAnalyzer;

import java.io.File;


public class MyIndex {
    public static void main(String[] args) {
        String ID;
        String content;

        ID = "1231" ;
        content = "BuzzFeed has compiled an amazing array of " +
                "ridiculously strange bridesmaid snapshots, courtesy of Awkward Family Photos. " ;
        indexPost(ID, content);

        ID = "1234" ;
        content = "Lucene是apache软件基金会4 jakarta项目组的一个子项目，是一个开放源代码的全文检索引擎工具包" ;
        indexPost(ID, content);

        ID = "1235" ;
        content = "Lucene不是一个完整的全文索引应用，而是是一个用Java写的全文索引引擎工具包，它可以方便的嵌入到各种应用中实现" ;
        indexPost(ID, content);

    }

    public static void indexPost(String ID, String content) {
        File indexDir = new File( "/home/letian/lucene-test/index" );

        Analyzer analyzer = new IKAnalyzer();

        TextField postIdField = new TextField( "id" , ID, Store.YES);  // 不要用StringField
        TextField postContentField = new TextField( "content" , content, Store.YES);

        Document doc = new Document();
        doc.add(postIdField);
        doc.add(postContentField);
        IndexWriterConfig iwConfig = new IndexWriterConfig(Version.LUCENE_4_10_1, analyzer);
        iwConfig.setOpenMode(IndexWriterConfig.OpenMode.CREATE_OR_APPEND);
        try {
            Directory fsDirectory = FSDirectory.open(indexDir);
            IndexWriter indexWriter = new IndexWriter(fsDirectory, iwConfig);
            indexWriter.addDocument(doc);
            indexWriter.close();
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

索引以文件的形式存储在/home/letian/lucene-test/index目录中，Field被替换成了TextField，注意对于全文索引，不要使用StringField。 
运行上面的代码，创建索引的结果如下： 
 



MySearch.java是一个搜索的示例： 

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.queryparser.classic.QueryParser;
import org.apache.lucene.search.*;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.index.DirectoryReader;
import org.wltea.analyzer.lucene.IKAnalyzer;

import java.io.File;

public class MySearch {
    public static void main(String[] args) {
        Analyzer analyzer = new IKAnalyzer();
        File indexDir = new File( "/home/letian/lucene-test/index" );
        try {
            Directory fsDirectory = FSDirectory.open(indexDir);
            DirectoryReader ireader = DirectoryReader.open(fsDirectory);
            IndexSearcher isearcher = new IndexSearcher(ireader);


            QueryParser qp = new QueryParser( "content" , analyzer);         //使用QueryParser查询分析器构造Query对象
            qp.setDefaultOperator(QueryParser.AND_OPERATOR);
            Query query = qp.parse( "Lucene" );     // 搜索Lucene
            TopDocs topDocs = isearcher.search(query , 5 );      //搜索相似度最高的5条记录
            System.out.println( "命中:" + topDocs.totalHits);
            ScoreDoc[] scoreDocs = topDocs.scoreDocs;
            for ( int i = 0 ; i < topDocs.totalHits; i++){
                Document targetDoc = isearcher.doc(scoreDocs[i].doc);
                System.out.println( "内容:" + targetDoc.toString());
            }

        } catch (Exception e) {

        }
    }
}

得到的结果如下： 

命中:2
内容:Document<stored,indexed,tokenized< id :1234> stored,indexed,tokenized<content:Lucene是apache软件基金会4 jakarta项目组的一个子项目，是一个开放源代码的全文检索引擎工具包>>
内容:Document<stored,indexed,tokenized< id :1235> stored,indexed,tokenized<content:Lucene不是一个完整的全文索引应用，而是是一个用Java写的全文索引引擎工具包，它可以方便的嵌入到各种应用中实现>>

目录[-]

建立java项目

一个示例：

第二个示例：

参考：

更多资料：

注意，IK Analyzer需要使用其下载列表中的  IK Analyzer 2012FF_hf1.zip，否则在和Lucene 4.10配合使用时会报错。 

我使用 intellij IDEA 12进行的测试。 

建立java项目

建立项目HelloLucene，导入Lucene的几个库。“File”->“Project Structure”->



将IK Analyzer 2012FF_hf1.zip解压后的源码放入src目录，并将字典和配置文件放入src目录，最终如下：

一个示例：

IKAnalyzerDemo.java中是我在其他地方找的一个示例，和IK的官方示例很像。内容如下：

package org.apache.lucene.demo;
import java.io.IOException;
import java.io.StringReader;

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.TokenStream;
import org.apache.lucene.analysis.tokenattributes.CharTermAttribute;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.index.IndexReader;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.queryparser.classic.ParseException;
import org.apache.lucene.queryparser.classic.QueryParser;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.store.RAMDirectory;
import org.apache.lucene.util.Version;
import org.wltea.analyzer.lucene.IKAnalyzer;

public class IKAnalyzerDemo {

    /**
     * @param args
     * @throws IOException
     */
    public static void main(String[] args) throws IOException {
        // TODO Auto-generated method stub
        //建立索引
        String text1 = "IK Analyzer是一个结合词典分词和文法分词的中文分词开源工具包。它使用了全新的正向迭代最细粒度切" +
                "分算法。" ;
        String text2 = "中文分词工具包可以和lucene是一起使用的" ;
        String text3 = "中文分词,你妹" ;
        String fieldName = "contents" ;
        Analyzer analyzer = new IKAnalyzer();
        RAMDirectory directory = new RAMDirectory();
        IndexWriterConfig writerConfig = new IndexWriterConfig(Version.LUCENE_34, analyzer);
        IndexWriter indexWriter = new IndexWriter(directory, writerConfig);
        Document document1 = new Document();
        document1.add( new Field( "ID" , "1" , Field.Store.YES, Field.Index.NOT_ANALYZED));
        document1.add( new Field(fieldName, text1, Field.Store.YES, Field.Index.ANALYZED));
        indexWriter.addDocument(document1);

        Document document2 = new Document();
        document2.add( new Field( "ID" , "2" , Field.Store.YES, Field.Index.NOT_ANALYZED));
        document2.add( new Field(fieldName, text2, Field.Store.YES, Field.Index.ANALYZED));
        indexWriter.addDocument(document2);

        Document document3 = new Document();
        document3.add( new Field( "ID" , "2" , Field.Store.YES, Field.Index.NOT_ANALYZED));
        document3.add( new Field(fieldName, text3, Field.Store.YES, Field.Index.ANALYZED));
        indexWriter.addDocument(document3);
        indexWriter.close();


        //搜索
        IndexReader indexReader = IndexReader.open(directory);
        IndexSearcher searcher = new IndexSearcher(indexReader);
        String request = "中文分词工具包" ;
        QueryParser parser = new QueryParser(Version.LUCENE_40, fieldName, analyzer);
        parser.setDefaultOperator(QueryParser.AND_OPERATOR);
        try {
            Query query = parser.parse(request);
            TopDocs topDocs = searcher.search(query, 5 );
            System.out.println( "命中数:" +topDocs.totalHits);
            ScoreDoc[] docs = topDocs.scoreDocs;
            for (ScoreDoc doc : docs){
                Document d = searcher.doc(doc.doc);
                System.out.println( "内容:" +d.get(fieldName));
            }
        } catch (ParseException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        } finally {
            if (indexReader != null ){
                try {
                    indexReader.close();
                } catch (IOException e) {
                    e.printStackTrace();
                }
            }

            if (directory != null ){
                try {
                    directory.close();
                } catch (Exception e) {
                    e.printStackTrace();
                }
            }
        }

    }

}

这段代码是将索引文件放入内存中（RAMDirectory），运行结果如下： 

加载扩展停止词典：stopword.dic
命中数:2
内容:中文分词工具包可以和lucene是一起使用的
内容:IK Analyzer是一个结合词典分词和文法分词的中文分词开源工具包。它使用了全新的正向迭代最细粒度切分算法。

这段代码有两个问题： 
1、Field()已经不推荐按使用。 
2、QueryParser()的使用方式也改变了。 

下面是更加符合要求的示例。 

第二个示例：

MyIndex类用来创建索引： 

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.document.*;
import org.apache.lucene.document.Field.Store;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.util.Version;
import org.wltea.analyzer.lucene.IKAnalyzer;

import java.io.File;


public class MyIndex {
    public static void main(String[] args) {
        String ID;
        String content;

        ID = "1231" ;
        content = "BuzzFeed has compiled an amazing array of " +
                "ridiculously strange bridesmaid snapshots, courtesy of Awkward Family Photos. " ;
        indexPost(ID, content);

        ID = "1234" ;
        content = "Lucene是apache软件基金会4 jakarta项目组的一个子项目，是一个开放源代码的全文检索引擎工具包" ;
        indexPost(ID, content);

        ID = "1235" ;
        content = "Lucene不是一个完整的全文索引应用，而是是一个用Java写的全文索引引擎工具包，它可以方便的嵌入到各种应用中实现" ;
        indexPost(ID, content);

    }

    public static void indexPost(String ID, String content) {
        File indexDir = new File( "/home/letian/lucene-test/index" );

        Analyzer analyzer = new IKAnalyzer();

        TextField postIdField = new TextField( "id" , ID, Store.YES);  // 不要用StringField
        TextField postContentField = new TextField( "content" , content, Store.YES);

        Document doc = new Document();
        doc.add(postIdField);
        doc.add(postContentField);
        IndexWriterConfig iwConfig = new IndexWriterConfig(Version.LUCENE_4_10_1, analyzer);
        iwConfig.setOpenMode(IndexWriterConfig.OpenMode.CREATE_OR_APPEND);
        try {
            Directory fsDirectory = FSDirectory.open(indexDir);
            IndexWriter indexWriter = new IndexWriter(fsDirectory, iwConfig);
            indexWriter.addDocument(doc);
            indexWriter.close();
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

索引以文件的形式存储在/home/letian/lucene-test/index目录中，Field被替换成了TextField，注意对于全文索引，不要使用StringField。 
运行上面的代码，创建索引的结果如下： 
 



MySearch.java是一个搜索的示例： 

?