Lucene实现全文检索的流程（入门）

1.创建索引

1.创建原始文档

原始文档：要基于哪些数据来进行检索

搜索引擎：使用爬虫获得原始文档

站内搜索：数据库中的数据

2.构建文档对象

对应每个原始文档创建一个document对象

每个document对象中包含多个域

域中保存的就是原始文档的数据：域的名称和域的值

每个文档都有一个唯一的id

3.分析文档

分词的过程：

​ 1.根据空格进行字符串拆分，得到一个单词列表

​ 2.把单词统一转化为小写

​ 3.去除标点符号

​ 4.去除停用词（无意义的词）

每个关键词封装成一个term对象：

​ 1.关键词所在的域

​ 2.关键词本身

Ps：不同的域中拆分出来的相同的关键词是不同的term

4.创建索引

基于关键词列表创建一个索引，保存到索引库中。

索引库中：索引，document，关键词和文档的对应关系

2.查询索引

1.用户查询接口

用户输入查询条件的位置

2.把关键词封装成一个查询对象

要查询的域

要查询的关键词

3.执行查询

根据要查询的关键词到对应的域上进行搜索

找到关键词，根据关键词找到对应的文档

4.渲染结果

根据文档的id找到文档对象

对关键词进行高亮显示

分页处理

最终展示给用户看

入门程序

1.创建检索

环境：下载lucenehttps://lucene.apache.org/core/downloads.html

最低要求jdk1.8

工程搭建：

​ 创建一个工程

​ 添加jar包：

​ lucene-analyzers-common-7.7.3.jar

​ lucene-core-7.7.3.jar

​ commons-io.jar

步骤：

​ 1.创建一个Director对象，指定索引库的位置

​ 2.基于Directory对象创建一个IndexWriter对象

​ 3.读取磁盘上的文件，对应每个文件创建一个文档对象

​ 4.向文档对象中添加域

​ 5.把文档对象写入索引库

​ 6.关闭indexwriter对象

2.使用luke查看索引库中的内容

3.查询索引库

步骤：

1.创建一个Directory对象，指定索引库的位置

2.创建一个IndexReader对象

3.创建一个IndexSearcher对象，构造方法中的参数indexReader对象

4.创建一个Query对象，TermQuery

5.执行查询得到一个TopDocs对象

6.取查询结果总记录数

7.取文档列表

8.打印文档中的内容

9.关闭IndexReader对象

分析器

默认使用的是标准分析器StandarAnalyser

1.查看分析器的分析效果

使用Analyzer对象的tokenStream方法返回一个TokenStream对象，词对象包含了最终分词结果

实现步骤：

​ 1.创建一个Analyzer对象，StandarAnalyzer对象

​ 2.使用分析器对象的tokenStream方法获得一个TokenStream对象

​ 3.向TokenStream对象中设置一个引用，相当于是一个指针

​ 4.调用TokenStream对象的rest方法，如果不屌用抛异常

​ 5.使用while循环遍历TokenStream对象

​ 6.关闭TokenStream对象

2.IKAnalyzer的使用方法

1.把IKAnalyzer的jar包添加到工程中

2.把配置文件和扩展词典添加到工程的classpath下

注意：扩展词典严禁使用windows记事本编辑，以保护扩展词典的编码格式是UTF-8

扩展词典：添加一些新词

停用词词典：无意义的词或者是敏感词汇

索引库的维护

1.添加文档

2.删除文档

1.删除全部

2.根据关键词删除文档

3.修改文档

修改的原理是先删除后添加

索引库的查询

1.使用Query的子类

1.TermQuery

根据关键词进行查询

需要指定要查询的域及要查询的关键词

2.RangeQuery

范围查询

2.使用QueryParse进行查询

可以对要查询的内容先进行分词，然后基于分词的结果进行查询

添加一个jar包:Lucent-queryparser-7.4.0.jar

代码详情见以下链接： Lucene入门程序