一：理论知识
1.非结构化数据查询方法
1）顺序扫描法
太慢，效率不高。
2）全文检索法
对需要查询的文档创建索引，再对其进行搜索。其实说白了就是为了使其结构化。
2.索引创建和搜索流程图
1）流程图
2）索引库
索引库是由两部分组成的，一部分是索引，另一部分是文档对象（不是原始文档）。
3.流程图详解
1）创建文档对象
有以下规则
a.不同的文档可以有不同的Field
b.同一个文档可以有相同的Field
c.每一个文档有一个唯一的编号id
2）分析文档
分析的过程是经过对原始文档提取单词，将字母转换成小写，去除标点符号等过程最终生成语汇单元（一个一个的单词）。
注意：不同的域中生成的term是不同的term。
term好像是索引的基本单位，term包含文档域名和单词内容。例如一个文档的文件名包含java是不同于内容中包含java的。这是通过term来实现的。
3）创建索引
为每一个term，指向所在的文档对象。Lucene是倒排索引，是先找到这个term再找到这个文档，这种方法比顺序查找效率高。
二：实例
1.准备工作
1）创建java工程
2）导包
lucene-core-4.10.3.jar
lucene-analyzer-common-4.10.3.jar
lucene-queryparser-4.10.3.jar
common-io-2.4.jar
2.实现步骤
1)实现步骤
1.创建一个IndexWriter对象
指定索引库存放位置
指定一个分析器
2.创建document对象
3.创建field对象
4.使用IndexWriter对象进行索引创建
4.关闭IndexWriter对象
2）代码
3.Field的一些说明
1）Field域有几大实现类，选择依据：
是否分析：是否对域的内容进行分词处理。是否要对域的内容进行查询
是否索引：无论是否分析，但是索引要搜索到。有一些不分析，但是也要进行索引。
是否存储：将Field值存储在文档对象中，凡是将来要从Document中获取的Field都要存储。
2）Field的子类
3）使用工具查看建立的索引库
Luke - Lucene Index Toolbox
注意事项：Lucene不提供信息采集的类库，需要其它库支持。（Nutch，jsoup，heritrix）
原文地址：https://www.cnblogs.com/Dbbf/p/9901105.html