lucene、solr全文搜索

lucene、solr全文搜索

lucene是一款搜索引擎技术，并非产品，而solr是搜索引擎所在服务器。

应用场景：

1：网站头部的搜索
2：APP端头部搜索
3：做成搜索产品

• 简介：

  Lucene是一个全文搜索框架，而不是应用产品。因此它并不像www.baidu.com 或者google Desktop那么拿来就能用，它只是提供了一种工具让你能实现这些产品。

• lucene的工作方式

  lucene提供的服务实际包含两部分：一入一出。所谓入是写入，即将你提供的源（本质是字符串）写入索引或者将其从索引中删除；所谓出是读出，即向用户提供全文搜索服务，让用户可以通过关键词定位源。

• 写入流程

  源字符串首先经过analyzer处理，包括：分词，分成一个个单词；去除stopword（可选），将源中需要的信息加入Document的各个Field中，并把需要索引的Field索引起来，把需要存储的Field存储起来，将索引写入存储器，存储器可以是内存或磁盘

• 读出流程

  用户提供搜索关键词，经过analyzer处理，对处理后的关键词搜索索引找出对应的Document，用户根据需要从找到的Document中提取需要的Field

• 概念

  analyzer：

  Analyzer是分析器，它的作用是把一个字符串按某种规则划分成一个个词语，并去除其中的无效词语，这里说的无效词语是指英文中的“of”、“the”，中文中的“的”、“地”等词语，这些词语在文章中大量出现，但是本身不包含什么关键信息，去掉有利于缩小索引文件、提高效率、提高命中率

  document：

  用户提供的源是一条条记录，它们可以是文本文件、字符串或者数据库表的一条记录等等。一条记录经过索引之后，就是以一个Document的形式存储在索引文件中的。用户进行搜索，也是以Document列表的形式返回

  field：

  一个Document可以包含多个信息域，例如一篇文章可以包含“标题”、“正文”、“最后修改时间”等信息域，这些信息域就是通过Field在Document中存储的。    Field有两个属性可选：存储和索引。通过存储属性你可以控制是否对这个Field进行存储；通过索引属性你可以控制是否对该Field进行索引。这看起来似乎有些废话，事实上对这两个属性的正确组合很重要，下面举例说明：还是以刚才的文章为例子，我们需要对标题和正文进行全文搜索，所以我们要把索引属性设置为真，同时我们希望能直接从搜索结果中提取文章标题，所以我们把标题域的存储属性设置为真，但是由于正文域太大了，我们为了缩小索引文件大小，将正文域的存储属性设置为假，当需要时再直接读取文件；我们只是希望能从搜索解果中提取最后修改时间，不需要对它进行搜索，所以我们把最后修改时间域的存储属性设置为真，索引属性设置为假。上面的三个域涵盖了两个属性的三种组合，还有一种全为假的没有用到，事实上Field不允许你那么设置，因为既不存储又不索引的域是没有意义的

lucene入门示例

1：新建一个工程
2：导入所需jar包

• 入库

  1：新建一个入库的实体对象

  2：入库IndexWrite

  代码如下：

  /**
   * 文档
   * @author likang
   * @date   2017-12-22 上午9:50:21
   */
  public class Ariclte implements Serializable{
  
      private static final long serialVersionUID = 1L;
  
      private Long aid;
      private String title;
      private String context;
      public Long getAid() {
          return aid;
      }
      public void setAid(Long aid) {
          this.aid = aid;
      }
      public String getTitle() {
          return title;
      }
      public void setTitle(String title) {
          this.title = title;
      }
      public String getContext() {
          return context;
      }
      public void setContext(String context) {
          this.context = context;
      }
  }
  
  /**
   * 入库：将一篇文件存储到搜索库中
   * 出库：根据关键词，从搜索库中搜索对应的匹配信息
   * @author likang
   * @date   2017-12-22 上午9:49:26
   */
  public class HelloLucene {
  
      /**
       * 入库
       * @throws Exception 
       */
      @Test
      public void createIndex() throws Exception{
  
          //初始化数据文章
          Ariclte ariclte = new Ariclte();
          ariclte.setAid(Long.valueOf(1));
          ariclte.setTitle("Lucene是一款很好的搜索引擎");
          ariclte.setContext("Lucene是一款搜索引擎技术，产品有百度，谷歌等");
  
          Directory directory = FSDirectory.open(new File("./indexLucene"));//创建搜索库路径目录
          Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_30);//搜索库的分词器
          /**
           * MaxFieldLength.LIMITED：文章长度有限制
           *              UNLIMITED:无限制
           */
          //lucene中入库的核心接口API
          IndexWriter indexWriter = new IndexWriter(directory, analyzer, MaxFieldLength.LIMITED);
  
          /**
           * Index:
           *      NOT_ANALYZED:代表支持索引，不支持分词，不支持创建对象，不支持存储
           *      ANALYZED：代表支持索引，支持分词，支持创建对象，支持存储
           *      ANALYZED_NO_NORMS：代表支持索引，支持分词，不支持创建对象，不支持存储
           *      NOT_ANALYZED_NO_NORMS：代表支持索引，不支持分词，不支持创建对象
           *       NO：都不支持
           * 
           * Store：
           *      YES：存储
           *      NO：不存储
           * 
           */
  
          Field field1 = new Field("aid", ariclte.getAid().toString(), Store.YES, Index.NOT_ANALYZED);
          Field field2 = new Field("title", ariclte.getTitle(), Store.YES, Index.NO);
          Field field3 = new Field("context", ariclte.getContext(), Store.YES, Index.ANALYZED);
  
          Document document = new Document();
          document.add(field1);
          document.add(field2);
          document.add(field3);
  
          //将document，写入到搜索库中
          indexWriter.addDocument(document);
          //关闭搜索库
          indexWriter.close();
      }
  }
  

• 出库

  /**
   * 出库
   *  根据关键词---匹配3个
   * @throws Exception 
   */
  @Test
  public void searchIndex() throws Exception{
      //获取搜索库的位置
      Directory directory = FSDirectory.open(new File("./indexLucene"));
      //搜索库的分词器
      Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_30);
  
      //lucene搜索出库API
      IndexSearcher indexSearcher = new IndexSearcher(directory);
      /**
       * 第一个参数代表之前的库版本信息
       * 第二参数代表要搜索的字段
       * 第三个参数代表使用的分词器
       */
      QueryParser queryParser = new QueryParser(Version.LUCENE_30, "context", analyzer);
      //输入的关键词
      Query query = queryParser.parse("Lucene");
  
      /**
       * 第一个参数代表搜索的关键词
       * 第二个参数代表根据关键词匹配显示的个数
       */
      TopDocs topDocs = indexSearcher.search(query, 3);
      //所有搜索对象--集合/数组中
      ScoreDoc[] sds = topDocs.scoreDocs;
      List<Ariclte> list = new ArrayList<Ariclte>();
      for (ScoreDoc sd : sds) {
          int index = sd.doc;//文章对应的下标
          Document document = new Document();
          document = indexSearcher.doc(index);
          Ariclte ariclte = new Ariclte();
          ariclte.setAid(Long.valueOf(document.get("aid").toString()));
          ariclte.setTitle(document.get("title"));
          ariclte.setContext(document.get("context"));
          list.add(ariclte);
      }
  
      if (list != null && list.size() > 0) {
          for (int i = 0; i < list.size(); i++) {
              System.out.println("标题："+list.get(i).getTitle());
              System.out.println("简短标题："+list.get(i).getContext());
              System.out.println("点击进入：www.baidu.com");
          }
      }
  }