Lucene搜索扩展笔记

两个Lucene工具：

Luck 能基于索引文件进行直接的检索，几乎是使用Lucene的必备工具。

Tika能方便地提取出word、pdf等文档文件或网页中的文本数据，为使用Lucene建立索引做好准备。

使用Tika时有两种写法：

①

public String fileToTxt(File f) {
		Parser parser = new AutoDetectParser();
		InputStream is = null;
		try {
			Metadata metadata = new Metadata();
			metadata.set(Metadata.AUTHOR, "�պ�");
			metadata.set(Metadata.RESOURCE_NAME_KEY, f.getName());
			is = new FileInputStream(f);
			ContentHandler handler = new BodyContentHandler();
			ParseContext context = new ParseContext();
			context.set(Parser.class,parser);
			parser.parse(is,handler, metadata,context);
			for(String name:metadata.names()) {
				System.out.println(name+":"+metadata.get(name));
			}
			return handler.toString();
		} catch (FileNotFoundException e) {
			e.printStackTrace();
		} catch (IOException e) {
			.printStackTrace();
		} catch (SAXException e) {
			e.printStackTrace();
		} catch (TikaException e) {
			e.printStackTrace();
		} finally {
			try {
				if(is!=null) is.close();
			} catch (IOException e) {
				e.printStackTrace();
			}
		}
		return null;
	}

②

public String tikaTool(File f) throws IOException, TikaException {
  Tika tika = new Tika();
  Metadata metadata = new Metadata();
  metadata.set(Metadata.AUTHOR, "success");
  metadata.set(Metadata.RESOURCE_NAME_KEY, f.getName());
  String str = tika.parseToString(new FileInputStream(f),metadata);
  for(String name:metadata.names()) {
   System.out.println(name+":"+metadata.get(name));
  }
  return str;
 }

 

高亮显示

针对搜索在网页上的显示而服务的，所谓的“高亮”是指经过css样式修饰过的效果。注意这几个类：QueryScorer、Fragmenter、Formatter、Highlighter之间的关系。另外，注意，在显示匹配关键词的段落时，第一个参数是分词器得到的。

	private String lighterStr(Analyzer a,Query query,String txt,String fieldname) throws IOException, 
	private String lighterStr(Analyzer a,Query query,String txt,String fieldname) throws IOException, InvalidTokenOffsetsException {
		String str =  null;
		QueryScorer scorer = new QueryScorer(query);
		Fragmenter fragmenter = new SimpleSpanFragmenter(scorer);
		Formatter fmt = new SimpleHTMLFormatter("<b>", "</b>");
		Highlighter lighter = new Highlighter(fmt, scorer);
		lighter.setTextFragmenter(fragmenter);
		str = lighter.getBestFragments(a.tokenStream(fieldname,new StringReader(txt)),txt, 3, "......\n");
		if(str==null)return txt;
		return str;
	}


拼写检查
分两块：先创建拼写检查索引，再利用这些生成的索引文件去获取用户输入的关键词的相近词。