java中如何实现全文搜索

编程语言 2023-04-08 20:26:46 阅读次数: 0

浅谈java中如何实现全文搜索

什么是全文搜索

  • 全文检索是指计算机索引程序通过扫描文章中的每一个词，对每一个词建立一个索引，指明该词在文章中出现的次数和位置，当用户查询时，检索程序就根据事先建立的索引进行查找，并将查找的结果反馈给用户的检索方式。这个过程类似于通过字典中的检索字表查字的过程.

  • 那么实现全文搜索的主要2个方向

    • 索引的建立

    • 索引的查询 如何创建索引,肯定跟业务息息相关. 不同业务数据存在不同的维度, 那么索引创建的关键则是, 如何合理创建索引维度.

常见的系统全文搜索软件

AstroGrep

PowerGREP

Everything等等

JAVA中常用的全文搜索框架

Java 全文搜索引擎框架 Lucene

  • 毫无疑问，Lucene是目前最受欢迎的Java全文搜索框架，准确地说，它是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，部分文本分析引擎。Lucene为开发人员提供了相当完整的工具包，可以非常方便地实现强大的全文检索功能。下面有几款搜索引擎框架也是基于Lucene实现的。

  • 官方网站：Apache Lucene - Welcome to Apache Lucene

开源Java搜索引擎Nutch

  • Nutch 是一个开源Java实现的搜索引擎。它提供了我们运行自己的搜索引擎所需的全部工具。包括全文搜索和Web爬虫。

  • 利用Nutch，你可以做到以下这些功能：

    • 每个月取几十亿网页

    • 为这些网页维护一个索引

    • 对索引文件进行每秒上千次的搜索

    • 提供高质量的搜索结果

    • 以最小的成本运作

    • 官方网站：Apache Nutch™

分布式搜索引擎 ElasticSearch

实时分布式搜索引擎 Solandra

  • Solandra 是一个实时的分布式搜索引擎，基于 Apache Solr 和 Apache Cassandra 构建。

  • 其特性如下：

    • 支持Solr的大多数默认特性 (search, faceting, highlights)

    • 数据复制，分片，缓存及压缩这些都由Cassandra来进行

    • Multi-master (任意结点都可供读写)

    • 实时性高，写操作完成即可读到

    • Easily add new SolrCores w/o restart across the cluster 轻松添加及重启结点

    • 官方网站：GitHub - tjake/Solandra: Solandra = Solr + Cassandra

IndexTank

  • IndexTank是一套基于Java的索引-实时全文搜索引擎实现，IndexTank有以下几个特点：

    • 索引更新实时生效

    • 地理位置搜索

    • 支持多种客户端语言

    • Ruby, Rails, Python, Java, PHP, .NET & more!

    • 支持灵活的排序与评分控制

    • 支持自动完成

    • 支持面搜索（facet search）

    • 支持匹配高亮

    • 支持海量数据扩展（Scalable from a personal blog to hundreds of millions of documents! ）

    • 支持动态数据

    • 官方网站：GitHub - LinkedInAttic/indextank-engine: Indexing engine for IndexTank

搜索引擎 Compass

  • Compass是一个强大的,事务的,高性能的对象/搜索引擎映射(OSEM:object/search engine mapping)与一个Java持久层框架.Compass包括:

    • 搜索引擎抽象层(使用Lucene搜索引荐)

    • OSEM (Object/Search Engine Mapping) 支持

    • 事务管理

    • 类似于Google的简单关键字查询语言

    • 可扩展与模块化的框架

    • 简单的API

    • 官方网站：http://www.compass-project.org/

Java全文搜索服务器 Solr

  • Solr也是基于Java实现的，并且是基于Lucene实现的，Solr的主要特性包括：高效、灵活的缓存功能，垂直搜索功能，高亮显示搜索结果。值得注意的是，Solr还提供一款很棒的Web界面来管理索引的数据。

  • 官方网站：Welcome to Apache Solr - Apache Solr

Lucene图片搜索 LIRE

  • LIRE是一款基于Java的图片搜索框架，其核心也是基于Lucene的，利用该索引就能够构建一个基于内容的图像检索(content- based image retrieval，CBIR)系统，来搜索相似的图像。

  • 官方网站：http://www.semanticmetadata.NET/lire/

全文本搜索引擎 Egothor

  • Egothor是一个用Java编写的开源而高效的全文本搜索引擎。借助Java的跨平台特性，Egothor能应用于任何环境的应用，既可配置为单独的搜索引擎，又能用于你的应用作为全文检索之用。

全文搜索实践

JAVA开发中常用的Eclipse (CTRL+SHIFT+R) 和IDEA(SHIFT+SHIFT) 进行文件搜索时,同样也可以算做一个全文搜索. 如果你也有一个全文搜索的功能需求, 那么怎么实现呢?

索引分析和创建

  • 在特定的文件存储目录中 ,建立关于文件的索引信息

  • 遍历该文件夹的所有文件, 创建文件的索引信息 , 可以使用 Files.walkFileTree

  • 文件的删除, 重命名,目录变更需要更改索引信息

  • 监听该文件夹,对于文件发生的变更即时更新索引信息 , 可以使用 apache commons-io包的 FileAlterationObserver

FileWatchService

  • import cn.hutool.log.StaticLog;
import org.apache.commons.io.filefilter.FileFilterUtils;
import org.apache.commons.io.filefilter.IOFileFilter;
import org.apache.commons.io.monitor.FileAlterationListener;
import org.apache.commons.io.monitor.FileAlterationMonitor;
import org.apache.commons.io.monitor.FileAlterationObserver;
​
import javax.annotation.Nonnull;
import java.io.File;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;
import java.util.concurrent.TimeUnit;
​
/**
 * @author jee
 * @description: 文件观察服务
 * <p>
 * + 定义轮询时间 和文件过滤器
 * + 指定监听目录
 * + 自定义文件监听动作
 * <pre>
 * // 自定义文件监听事件
 * FileWatchAdapter fileWatchAdapter = new FileWatchAdapter(true);
 * List<FileAlterationListener> listeners = CollUtil.newArrayList(fileWatchAdapter);
 *
 * // 创建文件监听
 * FileWatchService monitorFile = new FileWatchService.WatchBuilder().dirPath(dirPath)
 * .listeners(listeners).build();
 *
 * monitorFile.start();
 *
 * // 自定义频率和过滤器
 * * FileWatchService monitorFile = new FileWatchService.WatchBuilder(3,FileFilterUtils.suffixFileFilter(".txt")).dirPath(dirPath)
 *  * .listeners(listeners).build();
 *
 *
 * </pre>
 * <p>
 * 指定文件过滤监听示例
 * <pre>
 *
 *         // txt过滤器
 *         IOFileFilter filefilter = FileFilterUtils.suffixFileFilter(".txt");
 *         // 子目录的txt后缀
 *         IOFileFilter subFilefilter = FileFilterUtils.or(FileFilterUtils.directoryFileFilter(), filefilter);
 *         //根目录和子目录变化
 *         IOFileFilter filter = FileFilterUtils.or(filefilter, subFilefilter);
 *
 *         // 创建文件监听
 *         FileWatchService monitorFile = new FileWatchService.WatchBuilder(5, filter).dirPath(dirPath)
 *                 .listeners(listeners).build();
 *         monitorFile.start();
 *
 * </pre>
 */
public class FileWatchService {
​
    /*监听目录*/
    private final File fileDir;
​
    /*循环周期*/
    private long cycleTime;
​
    /*监听操作*/
    private final List<FileAlterationListener> listeners;
​
    /*文件过滤器*/
    private final IOFileFilter fileFilter;
​
    /*监听器*/
    private final FileAlterationMonitor monitor;
​
    /*监听适配器*/
    private final FileAlterationObserver observer;
​
​
    public FileWatchService(WatchBuilder builder) {
        this.fileDir = builder.fileDir;
        this.cycleTime = builder.cycleTime;
        StaticLog.debug("监听目录: {}, 轮询时间: {}ms", fileDir, cycleTime);
        this.listeners = builder.listeners;
        this.fileFilter = builder.fileFilter;
        observer = new FileAlterationObserver(fileDir, fileFilter);
        listeners.forEach(observer::addListener);
​
        monitor = new FileAlterationMonitor(cycleTime, observer);
    }
​
    /**
     * 启动目录观察器
     *
     * @throws Exception 实例化observer失败异常
     */
    public void start() throws Exception {
        StaticLog.debug("启动目录:{} 观察器", fileDir);
        monitor.start();
    }
​
    /**
     * 停止监控
     */
    public void destroy() {
        try {
            if (monitor != null) {
                monitor.stop();
                StaticLog.debug("停止目录:{} 观察器", fileDir);
            }
        } catch (Exception e) {
            StaticLog.error(e, "文件停止监控失败");
        }
​
    }
​
    /**
     * @author jee
     * @description: builder模式
     */
    public static class WatchBuilder {
​
        /*轮询时间*/
        private final long cycleTime;
​
        /*文件拦截器*/
        private final IOFileFilter fileFilter;
​
        /*文件目录*/
        private File fileDir;
​
        /*自定义文件监听器*/
        private List<FileAlterationListener> listeners;
​
        /**
         * 默认3s轮询一次 ,监听整个目录
         */
        public WatchBuilder() {
            this(3);
        }
​
        /**
         * 自定义轮询时间
         *
         * @param cycleTime 轮询时间
         */
        public WatchBuilder(long cycleTime) {
            this(cycleTime, FileFilterUtils.trueFileFilter());
        }
​
​
        /**
         * 自定义轮询时间和文件过滤器
         *
         * @param cycleTime  默认轮询时间,单位秒
         * @param fileFilter 轮询文件过滤器
         */
        public WatchBuilder(long cycleTime, IOFileFilter fileFilter) {
            this.cycleTime = TimeUnit.SECONDS.toMillis(cycleTime);
            this.fileFilter = fileFilter;
            this.listeners = new ArrayList<>();
        }
​
        /**
         * 设置监听文件目录
         *
         * @param dirPath 目录绝对路径
         * @return WatchBuilder
         * @throws IOException 非目录或目录不存在异常!
         */
        public WatchBuilder dirPath(String dirPath) throws IOException {
            this.fileDir = new File(dirPath);
            if (!fileDir.exists()) {
                throw new FileNotFoundException("not found: " + fileDir.getAbsolutePath());
            }
            if (!fileDir.isDirectory()) {
                throw new IOException("not a directory: " + fileDir.getAbsolutePath());
            }
            return this;
        }
​
        /**
         * 设置监听器
         *
         * @param listeners 文件监听器集合
         * @return WatchBuilder
         */
        public WatchBuilder listeners(@Nonnull List<FileAlterationListener> listeners) {
            this.listeners.addAll(listeners);
            return this;
        }
​
        public FileWatchService build() {
            return new FileWatchService(this);
        }
    }
}

建立抽象的文件索引管理器

  • 实现了索引的初始化 ⇒ 所有文件信息的集合

  • 实现了索引的自动维护 => 监听文件变化更新索引信息

  • 未实现的3个方法

  • import cn.hutool.core.collection.CollUtil;
import cn.note.service.toolkit.filestore.FileStore;
import cn.note.service.toolkit.filestore.RelativeFileStore;
import cn.note.service.toolkit.filewatch.FileWatchService;
import lombok.Getter;
import lombok.Setter;
import org.apache.commons.io.filefilter.FileFilterUtils;
import org.apache.commons.io.filefilter.IOFileFilter;
import org.apache.commons.io.monitor.FileAlterationListener;
import org.apache.commons.io.monitor.FileAlterationListenerAdaptor;
​
import java.io.File;
import java.nio.file.Files;
import java.nio.file.Path;
import java.util.List;
import java.util.Map;
import java.util.concurrent.ConcurrentHashMap;
​
/**
 * 文件索引管理器
 * 可以用来管理文件基本信息的索引
 *
 * @param <T> 某种文件性质类型的存储管理器
 * @see FileIndexManager
 */
@Getter
@Setter
public abstract class AbstractIndexManager<T> {
​
    /*文件存储对象*/
    private FileStore fileStore;
​
    /*文件索引*/
    private Map<String, T> indexes;
​
    /*是否初始化完成*/
    private boolean initCompleted;
​
​
    public AbstractIndexManager(String homeDir) {
        this(new RelativeFileStore(homeDir));
    }
​
​
    public AbstractIndexManager(FileStore fileStore) {
        this.fileStore = fileStore;
        this.indexes = new ConcurrentHashMap<>();
    }
​
​
    /**
     * 移除文件
     *
     * @param file 文件
     */
    protected void deleteIndex(File file) {
        indexes.remove(file.getAbsolutePath());
    }
​
​
    /**
     * 添加文件
     *
     * @param file 文件
     */
    protected void addIndex(File file) {
        String filePath = file.getAbsolutePath();
        indexes.put(filePath, fileToIndexObject(file));
    }
​
​
    /**
     * 递归遍历文件和子目录生成索引文件 ,默认所有文件和目录
     */
    public void initialize() throws Exception {
        initialize(FileFilterUtils.trueFileFilter(), null);
    }
​
    /**
     * 指定文件过滤器,递归遍历文件和子目录生成索引文件
     *
     * @param fileFilter 指定文件过滤器
     */
    public void initialize(IOFileFilter fileFilter) throws Exception {
        initialize(fileFilter, null);
    }
​
​
    /**
     * 遍历文件至目录
     *
     * @param fileFilter 文件过滤器
     * @param ignoreDirs 忽略目录
     * @throws Exception 遍历文件时发生IO异常, 创建监听器时发生异常
     */
    public void initialize(IOFileFilter fileFilter, List<String> ignoreDirs) throws Exception {
        AbstractTreeFileVisitor fileVisitor = new AbstractTreeFileVisitor() {
            @Override
            public void addNode(Path path, boolean isDir) {
                File file = path.toFile();
//                if (!file.equals(fileStore.homeDir())) {
                if (!isDir) {
                    addIndex(file);
                }
            }
        };
        fileVisitor.setFileFilter(fileFilter);
        if (ignoreDirs != null) {
            fileVisitor.setIgnoreDirs(ignoreDirs);
        }
        Files.walkFileTree(fileStore.homeDir().toPath(), fileVisitor);
​
        createFileWatch(fileFilter);
    }
​
​
    /**
     * 创建文件监听
     */
    protected void createFileWatch(IOFileFilter fileFilter) throws Exception {
        // 定义拦截动作
        FileAlterationListenerAdaptor fileAlterationListenerAdaptor = new FileAlterationListenerAdaptor() {
​
            @Override
            public void onFileCreate(final File file) {
                addIndex(file);
            }
​
            @Override
            public void onFileDelete(final File file) {
                deleteIndex(file);
            }
        };
​
        List<FileAlterationListener> listeners = CollUtil.newArrayList(fileAlterationListenerAdaptor);
        // 文件过滤器
        IOFileFilter subFileFilter = FileFilterUtils.or(FileFilterUtils.directoryFileFilter(), fileFilter);
        //根目录和子目录变化
        IOFileFilter filter = FileFilterUtils.or(fileFilter, subFileFilter);
​
        // 创建文件监听
        FileWatchService monitorFile = new FileWatchService.WatchBuilder(3, filter).dirPath(fileStore.homeDir().getAbsolutePath())
                .listeners(listeners).build();
        monitorFile.start();
​
        this.initCompleted = true;
​
    }
​
​
    /**
     * @param indexContext 索引内容
     * @return 索引集合
     */
    public abstract List<T> searchIndex(String indexContext);
​
​
    /**
     * 将文件转文件索引信息
     *
     * @param file 文件
     * @return 文件索引信息
     */
    public abstract T fileToIndexObject(File file);
​
​
    /**
     * 索引对象反向转文件对象
     *
     * @param index 索引对象
     * @return 文件对象
     */
    public abstract File indexToFileObject(T index);
​
}

文件基本信息的索引

  • 包含文件名称,路径,时间, 是否目录等信息

  • /**
 * 文件基本信息类
 */
@Setter
@Getter
public class FileIndex {
​
    /* 文件名称*/
    private String fileName;
​
    /* 文件路径*/
    private String relativePath;
​
    /* 修改时间 */
    private String modifiedDate;
​
    /*是否目录*/
    private boolean dir;
    /**
     * 对fileName 进行忽略大小写
     */
    private String searchName;
​
    @Override
    public String toString() {
        String fmt = StrUtil.format("{}( {})", fileName, relativePath);
        return fmt;
    }
}

  • 扩展文件索引管理, 实现文件名称不区分大小写搜索

  • import cn.hutool.core.util.StrUtil;
import cn.note.service.toolkit.filestore.FileStore;
​
import java.io.File;
import java.util.Collections;
import java.util.List;
import java.util.stream.Collectors;
​
/**
 * @description: 目录索引管理器
 * @author: jee
 */
public class FileIndexManager extends AbstractIndexManager<FileIndex> {
​
​
    public FileIndexManager(String homeDir) {
        super(homeDir);
    }
​
    public FileIndexManager(FileStore fileStore) {
        super(fileStore);
    }
​
    @Override
    public List<FileIndex> searchIndex(String indexContext) {
        if (!isInitCompleted()) {
            throw new IllegalStateException("调用是否isInitCompleted 检查初始化是否完成!!!");
        }
​
        if (StrUtil.isBlank(indexContext)) {
            return Collections.emptyList();
        }
        final String matchName = indexContext.toLowerCase();
        return getIndexes().values().stream().filter(index -> !index.isDir() && index.getSearchName().contains(matchName)).collect(Collectors.toList());
​
    }
​
    @Override
    protected FileIndex fileToIndexObject(File file) {
        String fileName = file.getName();
        String relativePath = getFileStore().getRelativePath(file);
        String modifiedDate = getFileStore().getModifiedDate(file);
        FileIndex fileIndex = new FileIndex();
        fileIndex.setFileName(fileName);
        fileIndex.setRelativePath(relativePath);
        fileIndex.setModifiedDate(modifiedDate);
        fileIndex.setDir(file.isDirectory());
        fileIndex.setSearchName(fileName.toLowerCase());
        return fileIndex;
    }
​
    @Override
    public File indexToFileObject(FileIndex index) {
        return getFileStore().getFile(index.getRelativePath());
    }
}

  • 测试

/**
 * 目录文件扫描测试
 */
public class FileIndexManagerTest {
​
​
    public static void main(String[] args) throws Exception {
​
        String home = SystemUtil.getUserInfo().getCurrentDir() + "/note-service-toolkit";
        FileIndexManager fileIndexManager = new FileIndexManager(home);
        fileIndexManager.initialize(FileFilterUtils.suffixFileFilter(".java"), CollUtil.newArrayList("target"));
        CmdWindow.show((cmd) -> {
            List<FileIndex> noteFileIndices = fileIndexManager.searchIndex(cmd);
            if (noteFileIndices.size() == 0) {
                Console.log("未匹配到结果!");
            }
            int i = 1;
            for (FileIndex fileIndex : noteFileIndices) {
                Console.log("r: {}, relativePath: {},fileName:{}", i, fileIndex.getRelativePath(), fileIndex.getFileName());
                i++;
            }
        });
​
    }
}

so… 如何在swing中使用实现一个文件搜索

猜你喜欢

转载自blog.csdn.net/Andrew_Chenwq/article/details/129701551
今日推荐
Apache Doris 2.0.10 版本正式发布！
开源日报 | 大模型开战；大模型独角兽被曝卖身；周鸿祎建议谷歌开源所有产品；最大开源AI社区提供1000万美元共享GPU
开源日报 | Chrome内置Gemini的意义不在于Gemini；中国AI追随之路的五大误区；ECharts创始人“下海”养鱼；谷歌I/O开发者大会什么都有，只是没有惊喜
微软回应中国区AI团队“打包赴美”传闻
基于大语言模型的开源知识库问答系统 MaxKB GitHub Star 数量突破 5,000 个！
美国拟限制 AI 大模型出口中国和俄罗斯
苹果将与 OpenAI 达成协议，将 ChatGPT 应用于 iPhone
周排行
阿里云短信服务平台注册
Windows下的字符串处理(1)
sqoop: mysql导入数据到hdfs, hive, hbase
commons.lang中常用的工具类
离线安装PostgreSQL11.6
使用PyTorch简单实现卷积神经网络模型
一文彻底搞定谱聚类
一道面试题引发的血案
One Chat for Mac(聊天工具)
TCP/IP的底层队列是如何实现的？
每日归档
更多
2024-05-17(34)
2024-05-16(6)
2024-05-15(24)
2024-05-14(0)
2024-05-13(18)
2024-05-12(0)
2024-05-11(38)
2024-05-10(38)
2024-05-09(35)
2024-05-08(42)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022