Lucene的配置及创建索引全文检索

共计 3699 个字符，预计需要花费 10 分钟才能阅读完成。

是一个开放源代码的全文检索引擎工具包，但它不是一个完整的全文检索引擎，而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（英文与德文两种西方语言）。Lucene 的目的是为软件开发人员提供一个简单易用的工具包，以方便的在目标系统中实现全文检索的功能，或者是以此为基础建立起完整的全文检索引擎。

（1）索引文件格式独立于应用平台。Lucene 定义了一套以 8 位字节为基础的索引文件格式，使得兼容系统或者不同平台的应用能够共享建立的索引文件。

（2）在传统全文检索引擎的倒排索引的基础上，实现了分块索引，能够针对新的文件建立小文件索引，提升索引速度。然后通过与原有索引的合并，达到优化的目的。

（3）优秀的面向对象的系统架构，使得对于 Lucene 扩展的学习难度降低，方便扩充新功能。

（4）设计了独立于语言和文件格式的文本分析接口，索引器通过接受 Token 流完成索引文件的创立，用户扩展新的语言和文件格式，只需要实现文本分析的接口。

（5）已经默认实现了一套强大的查询引擎，用户无需自己编写代码即可使系统可获得强大的查询能力，Lucene 的查询实现中默认实现了布尔操作、模糊查询（Fuzzy Search[11]）、分组查询等等。

概念

首先大家可以看一下这张图，已经流传许久了，在我的理解中的是：

左边：是各种数据的采集，比如网上，文本，数据库等，采集到经过 Lucene 建立索引 index

右边：是用户通过一些搜索，经过索引，返回结果的一个过程

Lucene 配置

很简单导几个 jar 包，创建一个索引文件

我用的是最新版本的 6.6.0 的核心包：lucene-core-6.6.0.jar，可以上官网下载 http://lucene.apache.org/，这一个包就够你测试用了

索引文件为：index，这个文件名可以随便取，因为里面内容自动生成，就是一个索引目录，可以上网下载工具查看，感兴趣可以去试试

然而这个 jar 包：IKAnalyzer6.5.0.jar，是一个 analyzer 分词处理的扩展包，支持中文的分词，这两个目录跟 src 目录同级

不多说先上代码：

首先根据上面的那张 lucene 的概念图，我们需要先建立一个索引，这里这些异常我直接抛出去了，其实需要处理的，太懒了

public static void createindex() throws Exception {// 创建文件目录    创建在项目目录下的 index 中 
        Directory dir=FSDirectory.open(FileSystems.getDefault().getPath(System.getProperty("user.dir")+"/index"));
        // 分词处理         是一个抽象类 一种单字分词，标准的 
        Analyzer analyzer=new IKAnalyzer();
        // 创建 IndexWriterConfig 对象 
        IndexWriterConfig config=new IndexWriterConfig(analyzer);
        // 创建 IndexWriter 对象 
        IndexWriter iWriter=new IndexWriter(dir, config);
        // 清除之前的索引 
        iWriter.deleteAll();
                // 创建文档对象 
        Document doc=new Document();
        // 向文档中添加文本内容字段，及字段类型 
        doc.add(new Field("fieldname","坚持到底 gl 博主的博文，转载请注释出处", TextField.TYPE_STORED));
        // 将文档添加到 indexWriter 中，写入索引文件中 
        iWriter.addDocument(doc);
                // 关闭写入    
                iWriter.close();}

这样运行可以看到你的索引 index 中的内容文件已经创建出来了

索引已经创建，接下来查询一下试试索引，传入需要查询的词

public static void search(String string) throws Exception {Directory dir=FSDirectory.open(FileSystems.getDefault().getPath(System.getProperty("user.dir")+"/search"));
        // 打开索引目录的 
        DirectoryReader dReader=DirectoryReader.open(dir);
        IndexSearcher searcher=new IndexSearcher(dReader);
        // 第一个参数 field 值，第二个参数用户需要检索的字符串 
        Term t=new Term("fieldname",string);
        // 将用户需要索引的字符串封装成 lucene 能识别的内容 
        Query query=new TermQuery(t);
        // 查询，最大的返回值 10
        TopDocs top=searcher.search(query, 10);
                // 命中数, 那个字段命中，命中的字段有几个 
        System.out.println("命中数:"+top.totalHits);
               // 查询返回的 doc 数组 
        ScoreDoc[]    sDocs= top.scoreDocs;   
            for (ScoreDoc scoreDoc : sDocs) {// 输出命中字段内容 
        System.out.println(searcher.doc(scoreDoc.doc).get(field));
}
}

就这样一个全文检索的测试就出来了，多去思考总结，扩展出去

再给添加一个代码有益于理解

public static void main(String[] args) throws Exception {String chString="坚持到底的文章，转载请注释出处";
        Analyzer analyzer=new IKAnalyzer();
        TokenStream stream=analyzer.tokenStream("word", chString);
        stream.reset();
        CharTermAttribute cta=stream.addAttribute(CharTermAttribute.class);
        while (stream.incrementToken()) {System.out.println(cta.toString());
        }
        stream.close();}