Lucene4.1视频学习-创新互联

1.将路径建立在内存中 Directory d = new RAMDirectiry(); Lucene4.1视频学习

2.Filed Index(索引选项)：
Index.ANALYZED:进行分词和索引，适应于标题，内容等
Index.NOT_ANALYZED:进行索引，但是不进行分词，比如说身份证号，姓名等，用于精确查找
Index.ANALYZED_NOT_NORMS 进行分词但不存储norm信息，该信息包括创建索引时间和权值等内容
Index.NOT_ANALYZED_NOT_NORMS:不进行分词也不存储norm信息
Index.NO 不进行索引

创新互联公司专注于盱眙企业网站建设,成都响应式网站建设公司,商城网站建设。盱眙网站建设公司,为盱眙等地区提供建站服务。全流程按需开发网站，专业设计，全程项目跟踪，创新互联公司专业和态度为您提供的服务

3.IndexReader indexr = IndexReader.open(directory);
读取文档数量 indexr.numDocs();
文档总数量 indexr.maxDocs();
删除的文档数量 indexr.numDeleteDocs();(通过deleteDcoument删除的文档不会彻底删除，保存在*.del文件中)
可以按如下代码恢复通过deleteDocument删掉的文档：
IndexReader index = IndexReader.open(directory,false);(布尔类型的值是设置readonly的)
reader.undeleteAll();(此时文档恢复,*.del消失)

通过forceMergeDeletes()删除的文档无法恢复(在3.5之前是通过optimize()方法来实现的，只不过消耗资源，3.5之后弃用)

4.updateDocument 操作实际上为先删除后添加
indexr.updateDocument(term,doc);
term为要删除的内容，doc为添加的内容，故两者id可以不同

5.添加数字类型的域 NumericField(String name , Store store ,boolean index)
doc.add(new NumericField("content" , Field.Store.YES , true).setIntValue("value"));

数字类型的范围查询

Query queryPrice = NumericRangeQuery.newDoubleRange(ProductIndexFields.price.toString(), Double.valueOf(priceFrom.trim()), Double.valueOf(priceTo.trim()), true, true); 参数表示的内容依次为下限，上限，下限区间的开闭，上限区间的开闭

6.doc.setBoost();添加索引的时候设置boost ，然后存储在索引文件中
search的时候获取boost是1.0 原因是两个document已经不同，一个是索引文件中存储的，一个是用search.doc(docId)获取的

7.为了节省reader打开和关闭需要的时间，可以创建一个单例的indexReader,不进行关闭，
也就是一个项目只有一个单独的indexReader
private static IndexReader reader= null ;
在构造方法内初始化reader即可
然后可以在方法中如下写:(openIfChanged方法：如果reader发生变化，则重新打开新的reader , 否则返回null)
if(reader == null){
   reader = IndexReader.open(directory);
}else{
   IndexReader ir = IndexReader.openIfChanged(reader);
   reader.close();
   if(ir != null) reader = ir ;
}
即可实现动态建立reader,查看进行更新删除后的结果

也可以实现一个单独的indexWriter ,此时不能用indexWiter.close()来实现提交writer
改变索引之后，需要indexWriter.commit()来实现数据的实时删除更新
一般用writer删除索引内容

查询：

1.TermQuery(Term) 基本查询精确匹配有什么查什么
2.TermRangeQuery(field , start , end , 开区间/闭区间 , 开区间/闭区间 ) 范围查询无法查询numField的索引
TermRangeQuery("name" , "a" ,"s" , true ,true )查询a开头s结尾的
3.NumricRangeQuery 查询数字范围的 Query query = NumricRangeQuery.newIntRange(filed , end , 开区间/闭区间 , 开区间/闭区间)
4.PrefixQuery(Term) 匹配每个单词的前缀(索引的时候会把一句话分成一个个单词)
5.WildcardQuery(Term) 可以在传入的value中使用通配符 ? 一个字符 * 任意多个字符
6.BooleanQuery 可以组合多个query
7.PhraseQuery 短语查询可以依靠一句话中的几个单词和中间隔的位置来查询
PhraseQuery query = new PhraseQuery();
query.setSlop(1); //设置中间隔的位置数
query.add(new Term("content","i"));
query.add(new Term("content","you")); 则可以查出 I love You(index 的时候会变成 i love you)等内容
8.FuzzyQuery(Term) 模糊查询可以匹配跟value有一个不同的模糊查询，最多两个
比如 make , 可以查出 mike jake等内容还有其他设置可以进行

QueryParser(Version.LUCENE_35,"content",new StandardAnalyzer(Version.LUCENE_35))
Query query = parser.parse(keyword);
对于keyword
1.空格默认or a b 就是包含a或者b a AND b 就是包含a和b
2.name:mike 在name中搜索含有mike的
3.email:*@corezon.com 在email中查询以corezon邮箱结尾的(前提是设置parser.setAllowLeadingWildCard(true),
不然*开头会使query消耗过大而默认关闭此情况);
4.- name:mike +content:football: name中不含有mike ,但是content中含有football的
5.id:[1 TO 3] :匹配id从1 到3闭区间也就是 1 2 3
6.id:(1 TO 3) :匹配id从1 到3开区间也就是 2
7.""i like football"" :匹配含有 i like football的短语的匹配
8.""i football"~1" :匹配i 和 like 之间有一个单词的
以上内容只是匹配string类型的索引的

从某一个ScoreDocs开始得到size为20的topdocs
TopDocs td = searcher.searchAfter(lastsd,query,size)

11.TokenStream 分词器做好处理之后得到的一个流，这个流中存储了分词的各种信息，
可以通过TokenStream有效的获取分词单元信息
Tokenier主要负责接收字符流reader ,将数据转化为语汇单元
Tokenfilter 对已经分好的词进行过滤比如大小写 ……

12.主要的分词器：
StandardAnalyzer StopAnalyzer WhitespaceAnalyzer SimpleAnalyzer

13.自定义停词分词器
中文分词器
近义词分词器需要熟悉

14.设置排序之后评分就是消失默认是升序
indexsearcher.search(quertstr,length,sort)
Sort.INDEXORDER 通过doc的id进行排序
Sort.RELEVANCE 使用默认的排序方式
new SortField("size",SortFiled.INT)使用某个字段的内容排序，比如说size的大小
new SortField("filename",SortFiled.STRING) 通过filename的首字母排序
new SortField("filename",SortFiled.STRING,true) 设置降序排序最后参数表示是否反转

19.其他知识

IndexWriterConfig iwc = new IndexWriterConfig(Version.LUCENE_41,analyzer);
       LogMergePolicy mergePolicy = new LogByteSizeMergePolicy();
       //达到3个文件时就和合并
       mergePolicy.setMergeFactor(3);
       iwc.setMergePolicy(mergePolicy);

Field.Store 表示“是否存储”，即该Field内的信息是否要被原封不动的保存在索引中。
Field.Index 表示“是否索引”，即在这个Field中的数据是否在将来检索时需要被用户检索到，一个“不索引”的Field通常仅是提供辅助信息储存的功能。
Field.TermVector 表示“是否切词”，即在这个Field中的数据是否需要被切词。

WildcardQuery与QueryParser不同的是:WildcardQuery的前缀可以为*,而QueryParser不行
FuzzyQuery 可以查询有两个单词不同的

// 多关键的搜索 PhrasePrefixQuery  public void phrasePrefixSearcher() throws IOException{  
 // 简言之，用第一个的term数组上面的每个内容匹配下面的term        IndexSearcher search= new IndexSearcher(directory);  
          
        PhrasePrefixQuery query= new PhrasePrefixQuery();  
          
// 这里两项都有可能首先被匹配        query.add(new Term[]{new Term("content","would"),new Term("content","can")});  
          
// 只有一项必须匹配        query.add(new Term("content","help"));  
          
// If you would like to help promote OpenOffice  
// can I help you  
// slop因子的作用域为查询中的所有短语        query.setSlop(1);  
          
// 匹配第一项为 would 或 can 第二项为help  
// solp设置为1   
// If you would like to help promote OpenOffice  除去if to 外,would与help的距离=1  
// can I help you 的距离也=1  所以可以搜索出两条数据          
        Hits hits= search.search(query);  
          
        printResult(hits);  
          
        search.close();  
    }

    Term t = new Term("content", "work"); 
                FuzzyQuery query= new FuzzyQuery(t); 
//FuzzyQuery还有两个构造函数，来限制模糊匹配的程度 
// 在FuzzyQuery中，默认的匹配度是0.5，当这个值越小时，通过模糊查找出的文档的匹配程度就 
// 越低，查出的文档量就越多,反之亦然                FuzzyQuery query1 = new FuzzyQuery(t, 0.1f); 
                FuzzyQuery query2= new FuzzyQuery(t, 0.1f, 1); 
//第二个是设置匹配度，第三个是设置有多少个前缀字母完全匹配

部分代码来源：http://callan.iteye.com/blog/153553

setboost的运用：http://blog.csdn.net/yja886/article/details/6612104

分享名称：Lucene4.1视频学习-创新互联
文章转载：http://scyanting.com/article/jeghs.html

Lucene4.1视频学习-创新互联

其他资讯