1 lucene简介
1.1 什么是lucene
Lucene是一个全文搜索框架，而不是应用产品。因此它并不像www.baidu.com 或者google Desktop那么拿来就能用，它只是提供了一种工具让你能实现这些产品。
2 lucene的工作方式
lucene提供的服务实际包含两部分：一入一出。所谓入是写入，即将你提供的源（本质是字符串）写入索引或者将其从索引中删除；所谓出是读出，即向用户提供全文搜索服务，让用户可以通过关键词定位源。
2.1写入流程
源字符串首先经过analyzer处理，包括：分词，分成一个个单词；去除stopword（可选）。
将源中需要的信息加入Document的各个Field中，并把需要索引的Field索引起来，把需要存储的Field存储起来。
将索引写入存储器，存储器可以是内存或磁盘。
2.2读出流程
用户提供搜索关键词，经过analyzer处理。
对处理后的关键词搜索索引找出对应的Document。
用户根据需要从找到的Document中提取需要的Field。
3 一些需要知道的概念
3.1 analyzer
Analyzer是分析器，它的作用是把一个字符串按某种规则划分成一个个词语，并去除其中的无效词语，这里说的无效词语是指英文中的“of”、“the”，中文中的“的”、“地”等词语，这些词语在文章中大量出现，但是本身不包含什么关键信息，去掉有利于缩小索引文件、提高效率、提高命中率。
分词的规则千变万化，但目的只有一个：按语义划分。这点在英文中比较容易实现，因为英文本身就是以单词为单位的，已经用空格分开；而中文则必须以某种方法将连成一片的句子划分成一个个词语。具体划分方法下面再详细介绍，这里只需了解分析器的概念即可。
3.2 document
用户提供的源是一条条记录，它们可以是文本文件、字符串或者数据库表的一条记录等等。一条记录经过索引之后，就是以一个Document的形式存储在索引文件中的。用户进行搜索，也是以Document列表的形式返回。
3.3 field
一个Document可以包含多个信息域，例如一篇文章可以包含“标题”、“正文”、“最后修改时间”等信息域，这些信息域就是通过Field在Document中存储的。
Field有两个属性可选：存储和索引。通过存储属性你可以控制是否对这个Field进行存储；通过索引属性你可以控制是否对该Field进行索引。这看起来似乎有些废话，事实上对这两个属性的正确组合很重要，下面举例说明：还是以刚才的文章为例子，我们需要对标题和正文进行全文搜索，所以我们要把索引属性设置为真，同时我们希望能直接从搜索结果中提取文章标题，所以我们把标题域的存储属性设置为真，但是由于正文域太大了，我们为了缩小索引文件大小，将正文域的存储属性设置为假，当需要时再直接读取文件；我们只是希望能从搜索解果中提取最后修改时间，不需要对它进行搜索，所以我们把最后修改时间域的存储属性设置为真，索引属性设置为假。上面的三个域涵盖了两个属性的三种组合，还有一种全为假的没有用到，事实上Field不允许你那么设置，因为既不存储又不索引的域是没有意义的。
3.4 term
term是搜索的最小单位，它表示文档的一个词语，term由两部分组成：它表示的词语和这个词语所出现的field。
3.5 tocken
tocken是term的一次出现，它包含trem文本和相应的起止偏移，以及一个类型字符串。一句话中可以出现多次相同的词语，它们都用同一个term表示，但是用不同的tocken，每个tocken标记该词语出现的地方。
3.6 segment
添加索引时并不是每个document都马上添加到同一个索引文件，它们首先被写入到不同的小文件，然后再合并成一个大索引文件，这里每个小文件都是一个segment。
4 如何建索引
4.1 最简单的能完成索引的代码片断
/**
* 添加列表到索引库中
* @yijianfeng
* @param list
* @throws IOException
*/
public void writeIndex(List<LucenceVo> list) throws IOException {
IndexWriter writer = openIndexWriter();
try {
for (LucenceVo lucenceVo : list) {
Document document = builderDocument(lucenceVo);
writer.addDocument(document);
}
} finally {
writer.close();
}
}
/**
* 添加单个到索引库中
* @yijianfeng
* @param LucenceVo
* @throws IOException
*/
public void writeIndex(LucenceVo vo) throws IOException {
IndexWriter writer = openIndexWriter();
try {
Document document = builderDocument(vo);
writer.addDocument(document);
} finally {
writer.close();
}
}
@SuppressWarnings("static-access")
private Document builderDocument(LucenceVo lucenceVo) throws FileNotFoundException {
Document document = new Document();
Field id = new StringField(lucenceVo.ID, String.valueOf(lucenceVo.getId()),
Field.Store.YES);
Field TITLE = new StringField(lucenceVo.TITLE, lucenceVo.getTitle(),
Field.Store.YES);
Field CONTENT = new TextField(lucenceVo.CONTENT, lucenceVo.getContent(),Field.Store.YES);
Field URL = new StringField(lucenceVo.URL, lucenceVo.getUrl(),Field.Store.YES);
document.add(id);
document.add(TITLE);
document.add(CONTENT);
document.add(URL);
return document;
}
private IndexWriter openIndexWriter() throws IOException {
File index_file = new File("d:\\lun");
Analyzer analyzer = new SmartChineseAnalyzer(Version.LUCENE_46);
IndexWriterConfig indexWriterConfig = new IndexWriterConfig(Version.LUCENE_46,
analyzer);
//索引 设置为追加或者覆盖
indexWriterConfig.setOpenMode(OpenMode.CREATE_OR_APPEND);
return new IndexWriter(FSDirectory.open(index_file), indexWriterConfig);
}
public void testwirte(){
List list = new ArrayList();
for (int i = 0; i < 10000; i++) {
LucenceVo vo = new LucenceVo();
vo.setId("myid"+i);
vo.setTitle("中国今天新闻"+i);
vo.setContent("中国酸辣粉为适当放宽为肌肤我始终是中国斯科拉的风景我");
vo.setType("新闻");
vo.setUrl("http://www.baidu.com/?id="+i);
list.add(vo);
}
try {
writeIndex(list);
} catch (IOException e) {
e.printStackTrace();
}
}
下面我们分析一下这段代码。
首先我们创建了一个writer，并指定存放索引的目录为“d:\lun”，使用的分析器为SmartChineseAnalyzer(中文专用分词)，然后我们新建一个document。我们向document添加一个field，名字是“title”，内容是“lucene introduction”，对它进行存储并索引。再添加一个名字是“content”的field，内容是“lucene works well”，也是存储并索引。
然后我们将这个文档添加到索引中，如果有多个文档，可以重复上面的操作，创建document并添加
随后将writer关闭，这点很重要。
对，创建索引就这么简单！
当然你可能修改上面的代码获得更具个性化的服务。
5.搜索 5.1来看一些在lucene中使用的术语,这里并不打算作详细的介绍,只是点一下而已----因为这一个世界有一种好东西，叫搜索。