Lucene实现索引数据的增删改查

lucene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.它提供了一个简单却强大的应用程式接口，能够做全文索引和搜寻。在java开发环境里lucene是一个成熟的免费开源工具。就其本身而言，lucene是很受欢迎的免费java资讯检索程式库。
当前版本为4.2, 官方网站: http://lucene.apache.org/

在全文索引工具中,都是由3部分组成
1.索引部分
2.分词部分
3.搜索部分

建立索引的步骤
1.创建directory
2.创建indexwriter
3.创建document对象
4.为document添加field

/**
 * description: 建立索引
 *
 */
public void createindex(){

    indexwriter indexwriter = null;
    try {
    //1.创建directory
    directory directory = new ramdirectory();  //在内存中建立索引
    //2.创建indexwriter
    indexwriterconfig indexwiterconfig = new indexwriterconfig(version.lucene_36, new standardanalyzer(version.lucene_36));
    indexwriter = new indexwriter(directory, indexwiterconfig);
    //3.创建document对象
    document document = new document();
    //4.为document添加field
    file filepath = new file("luence/example");
    for(file file: filepath.listfiles()){ //为该文件夹下的所有文件建立索引
        document = new document();
        //传入文件内容
        document.add(new field("content",new filereader(file)));
        //传入文件名
        document.add(new field("filename", file.getname(),field.store.yes,field.index.not_analyzed));
        //传入文件路径
        document.add(new field("path",file.getabsolutepath(),field.store.yes,field.index.not_analyzed));
        //5.通过indexwriter添加文档到索引中
            indexwriter.adddocument(document);
        }
    } catch (exception e) {
        e.printstacktrace();
    }finally{
        if(indexwriter!=null){
            try {
                indexwriter.close();
            } catch (exception e) {
                e.printstacktrace();
            }
        }
    }

}

上面实例中在内存中创建索引.也可以在硬盘上创建索引:
directory directory2 = fsdirectory.open(new file("f:/luence/index")); //在硬盘上的f:/luence/index下建立索引

搜索操作的步骤:
1.创建directory
2.创建indexreader
3.根据indexreader创建indexsearcher
4.创建搜索的query
5.根据searcher搜索并且返回topdocs
6.根据topdocs获取scoredoc对象
7.根据seacher和scoredoc对象获取具体的document对象
8.根据document对象获取需要的值
9.关闭indexreader

public  void searcher(){
        try {
            //1.创建directory 在硬盘上的f:/luence/index下建立索引
            directory directory = fsdirectory.open(new file("f:/luence/index"));    
            //2.创建indexreader
            indexreader indexreader = indexreader.open(directory);
            //3.根据indexreader创建indexsearcher
            indexsearcher indexsearcher = new indexsearcher(indexreader);
            //4.创建搜索的query 
            //创建parser来确定要搜索文件的内容,第二个参数表示搜索的域, 实例中为"content",表示在内容中查找
            queryparser queryparser = new queryparser(version.lucene_36,"content",new standardanalyzer(version.lucene_36));
            //创建query,表示搜索域为content中包含java关键字的文档
            query query = queryparser.parse("java");    //搜索包含关键字java的信息
            //5.根据searcher搜索并且返回topdocs            
            //查询,第二个参数表示显示前10条记录
            topdocs topdoc = indexsearcher.search(query, 10);
            //6.根据topdocs获取scoredoc对象
            scoredoc[] scoredocs = topdoc.scoredocs;
            for(scoredoc scoredoc : scoredocs){
                //7.根据seacher和scoredoc对象获取具体的document对象
                document document = indexsearcher.doc(scoredoc.doc);
                //8.根据document对象获取需要的值
                system.out.println(document.get("filename") + "[" + document.get("path") + "]");
            }

            //9.关闭indexreader
            indexreader.close();
        } catch (exception e) {
            // todo: handle exception
        }
}

文档document和域field的关系
文档document相当于关系表中的每一条记录,域相当于表中的每一个字段,先创建文档,之后为文档添加域.
域存储选项和域索引选项,均需要在域添加的时候设置

存储域选项
field.store.yes表示把这个域中的内容完全存储到文件中,方便进行文本的还原

field.store.no表示把这个域中的内容不存储到文件中,但是可以被索引,此时内容无法还原(即无法document.get());

索引域选项
field.index.analyzed：进行分词和索引,适用于标题和内容等
field.index.not_analyzed：进行索引,但是不进行分词,像身份证号,姓名,id等,适用于精确索索
field.index.analyzed_no_norms：进行分词但是不存储norms信息,这个norms中包括了创建索引的时间和权值等信息
field.index.not_analyzed_no_norms：即不进行分词也不存储norms信息
field.index.no：不进行索引

最佳实践
field.index.not_analyzed_no_norms, field.store.yes标识符(主键,文件名),电话号码,身份证号,姓名,日期
field.index.analyzed, field.store.yes文档标题和摘要
field.index.analyzed, field.store.no文档正文
field.index.no,field.store.yes文档类型,数据库主键(不进行索引)
field.index.not_analyzed,field.store.no 隐藏关键字

删除文档操作

public void delete(){
        indexwriter indexwriter = null;
        try {
            indexwriterconfig indexwriterconfig = new indexwriterconfig(version.lucene_36,new standardanalyzer(version.lucene_36));
            indexwriter = new indexwriter(directory, indexwriterconfig);
            //参数是一个选项,可以是一个query,也可以是一个term,term是一个精确查找的值
            //此时删除的文档并不会完全被删除,而是存储在一个回收站中,可以恢复
            //使用reader可以有效的恢复取到的文档数
            indexwriter.deletedocuments(new term("id","1"));
        } catch (exception e) {
            e.printstacktrace();
        }finally{
            if(indexwriter!=null){
                try {
                    indexwriter.close();
                } catch (exception e) {
                    e.printstacktrace();
                }
            }
        }
    }

indexwriter.deletedocuments()文档并不会完全被删除,而是存储在一个回收站中,我们可以编写查询类来进行查询

public void query(){
        try {
            indexreader indexreader = indexreader.open(directory);
            system.out.println("存储的文档数:" + indexreader.numdocs());
            system.out.println("总存储量:" + indexreader.maxdoc());
            system.out.println("被删除的文档：" + indexreader.numdeleteddocs());
        } catch (exception e) {
            e.printstacktrace();
        }
    }

测试程序

       luenceindex luence = new luenceindex("f:/luence/index");
        luence.index();

        system.out.println("===== 首次建立索引后进行查询 =====");
        luence.query();

        luence.delete();
        system.out.println("===== 调用删除操作后进行查询 =====");
        luence.query();

分析程序运行结果
===== 首次建立索引后进行查询 =====
存储的文档数:5
总存储量:5
被删除的文档：0
===== 调用删除操作后进行查询 =====
存储的文档数:4
总存储量:5
被删除的文档：1
使用indexreader可以有效的恢复删除到回收站的文档

public void recovery(){
        try {
            indexreader indexreader = indexreader.open(directory,false);
            //通过indexreader进行恢复,恢复时,必须把indexreader的只读(readonly)设置为false
            indexreader.undeleteall();
            indexreader.close();
        } catch (exception e) {
            e.printstacktrace();
        }
    }

如果要清空回收站中的内容,需要使用indexwriter中的forcemergedeletes()方法

public void forcedelete(){
        indexwriter indexwriter = null;
        try {
            indexwriterconfig indexwriterconfig = new indexwriterconfig(version.lucene_36,new standardanalyzer(version.lucene_36));
            indexwriter = new indexwriter(directory, indexwriterconfig);
            indexwriter.forcemergedeletes();
        } catch (exception e) {
            e.printstacktrace();
        }finally{
            if(indexwriter!=null){
                try {
                    indexwriter.close();
                } catch (exception e2) {
                    e2.printstacktrace();
                }
            }
        }
}

这次测试

public static void main(string[] args) {
        luenceindex luence = new luenceindex("f:/luence/index");
        luence.index();

        system.out.println("===== 首次建立索引后进行查询 =====");
        luence.query();

        luence.delete();
        system.out.println("===== 调用删除操作后进行查询 =====");
        luence.query();

        luence.forcedelete();
        system.out.println("===== 清空回收站内容后进行查询 =====");
        luence.query();    
}

运行结果
===== 首次建立索引后进行查询 =====
存储的文档数:5
总存储量:5
被删除的文档：0
===== 调用删除操作后进行查询 =====
存储的文档数:4
总存储量:5
被删除的文档：1
===== 清空回收站内容后进行查询 =====
存储的文档数:4
总存储量:4
被删除的文档：0

luence更新操作

public void update(){
        indexwriter indexwriter = null;
        try {
            indexwriterconfig indexwriterconfig = new indexwriterconfig(version.lucene_36,new standardanalyzer(version.lucene_36));
            indexwriter = new indexwriter(directory, indexwriterconfig);
            //luence并没有提供更新,这里的更新操作其实是先删除再添加的操作合集
            document document = new document();
            document.add(new field("id","updateid",field.store.yes,field.index.not_analyzed_no_norms));
            document.add(new field("email","updateemail",field.store.yes,field.index.not_analyzed));
            document.add(new field("content","updatecontent",field.store.no,field.index.analyzed));
            document.add(new field("name","updatename",field.store.yes,field.index.not_analyzed_no_norms));
            //更新id为2的数据
            indexwriter.updatedocument(new term("id","2"), document);
        } catch (exception e) {
            e.printstacktrace();
        }finally{
            if(indexwriter!=null){
                try {
                    indexwriter.close();
                } catch (exception e) {
                    e.printstacktrace();
                }