一个简单的maven架构实用lucene搜索引擎入门demo详解编程语言

一个简单的maven架构实用lucene搜索引擎入门demo详解编程语言
说lucene是Java界的检索之王,当之无愧。近年来elasticsearch的火爆登场,包括之前的solr及solr cloud,其底层都是lucene。简单了解lucene,对使用elasticsearch还是有点帮助的。本文就简单过一下其简单的api使用。
添加maven依赖
        <dependency>
            <groupId>org.apache.lucene</groupId>
            <artifactId>lucene-core</artifactId>
            <version>4.6.1</version>
        </dependency>
        <dependency>
            <groupId>org.apache.lucene</groupId>
            <artifactId>lucene-analyzers-common</artifactId>
            <version>4.6.1</version>
        </dependency>
        <dependency>
            <groupId>org.apache.lucene</groupId>
            <artifactId>lucene-queryparser</artifactId>
            <version>4.6.1</version>
        </dependency>
        <dependency>
            <groupId>org.apache.lucene</groupId>
            <artifactId>lucene-codecs</artifactId>
            <version>4.6.1</version>
        </dependency>
索引与检索
创建索引
File indexDir = new File(this.getClass().getClassLoader().getResource(“”).getFile());
    @Test
    public void createIndex() throws IOException {
//        Directory index = new RAMDirectory();
        Directory index = FSDirectory.open(indexDir);
        // 0. Specify the analyzer for tokenizing text.
        //    The same analyzer should be used for indexing and searching
        StandardAnalyzer analyzer = new StandardAnalyzer(Version.LUCENE_46);
        IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_46, analyzer);
        // 1. create the index
        IndexWriter w = new IndexWriter(index, config);
        addDoc(w, “Lucene in Action”, “193398817”);
        addDoc(w, “Lucene for Dummies”, “55320055Z”);
        addDoc(w, “Managing Gigabytes”, “55063554A”);
        addDoc(w, “The Art of Computer Science”, “9900333X”);
        w.close();
    }
    private void addDoc(IndexWriter w, String title, String isbn) throws IOException {
        Document doc = new Document();
        doc.add(new TextField(“title”, title, Field.Store.YES));
        // use a string field for isbn because we don’t want it tokenized
        doc.add(new StringField(“isbn”, isbn, Field.Store.YES));
        w.addDocument(doc);
    }
检索
 @Test
    public void search() throws IOException {
        // 2. query
        String querystr = “lucene”;
        // the “title” arg specifies the default field to use
        // when no field is explicitly specified in the query.
        Query q = null;
        try {
            StandardAnalyzer analyzer = new StandardAnalyzer(Version.LUCENE_46);
            q = new QueryParser(Version.LUCENE_46,”title”, analyzer).parse(querystr);
        } catch (Exception e) {
            e.printStackTrace();
        }
        // 3. search
        int hitsPerPage = 10;
        Directory index = FSDirectory.open(indexDir);
        IndexReader reader = DirectoryReader.open(index);
        IndexSearcher searcher = new IndexSearcher(reader);
        TopScoreDocCollector collector = TopScoreDocCollector.create(hitsPerPage, true);
        searcher.search(q, collector);
        ScoreDoc[] hits = collector.topDocs().scoreDocs;
        // 4. display results
        System.out.println(“Found ” + hits.length + ” hits.”);
        for (int i = 0; i < hits.length; ++i) {
            int docId = hits[i].doc;
            Document d = searcher.doc(docId);
            System.out.println((i + 1) + “. ” + d.get(“isbn”) + “/t” + d.get(“title”));
        }
        // reader can only be closed when there
        // is no need to access the documents any more.
        reader.close();
    }
分词
对于搜索来说,分词出现在两个地方,一个是对用户输入的关键词进行分词,另一个是在索引文档时对文档内容的分词。两个分词最好一样,这样才可以更好地匹配出来。
    @Test
    public void cutWords() throws IOException {
//        StandardAnalyzer analyzer = new StandardAnalyzer(Version.LUCENE_46);
//        CJKAnalyzer analyzer = new CJKAnalyzer(Version.LUCENE_46);
        SimpleAnalyzer analyzer = new SimpleAnalyzer();
        String text = “Spark是当前最流行的开源大数据内存计算框架,采用Scala语言实现,由UC伯克利大学AMPLab实验室开发并于2010年开源。”;
        TokenStream tokenStream = analyzer.tokenStream(“content”, new StringReader(text));
        CharTermAttribute charTermAttribute = tokenStream.addAttribute(CharTermAttribute.class);
        try {
            tokenStream.reset();
            while (tokenStream.incrementToken()) {
                System.out.println(charTermAttribute.toString());
            }
            tokenStream.end();
        } finally {
            tokenStream.close();
            analyzer.close();
        }
    }
输出结果:
spark
当前
流行
开源
大数
内存
计算
框架
采用
scala
语言
实现
uc
伯克利
大学
amplab
实验室
开发
并于
2010
开源
 

一个简单的maven架构实用lucene搜索引擎入门demo详解编程语言

转载请注明来源网站:blog.ytso.com谢谢!

原创文章,作者:ItWorker,如若转载,请注明出处:https://blog.ytso.com/14696.html

(0)
上一篇 2021年7月19日
下一篇 2021年7月19日

相关推荐

发表回复

登录后才能评论