由于各种原因大概很长时间都要折腾solr了，既来之则安之，花了好多精力折腾的项目怎么能不好好整理学习一下，深入理解一下solr的原理。目前接触到的搜索相关的几乎就是solr和elasticsearch平分天下，而这两者由都是基于luncene开发的全文检索系统，elasticsearch暂时还没有接触，暂时被solr虐的死去活来。
什么是luncene？ Luncene是java开发的信息检索类库，专注于文本的搜索和索引，对文本中提取出来的数据进行索引和检索，也就是说luncene提供了全文检索的两个核心功能，索引和检索，而其他的则需要用户自己实现，如solr和elasticsearch就是各自基于luncene的实现。
Luncene的索引是什么？ Lunecen的索引本质上是一种倒排索引，倒排索引的功能是快速的返回要查找的单词包含在哪些文档中。
luncene的索引过程？索引的基本单位是文档，一个文档可以包含多个域，域值可以被索引也可以被单独存值，Luncene的索引过程就是从原始的文本中提取数据，并创建对应的document实例，一个document中包含了多个域，域是用来保存原始数据，然后分析过程将域处理成语汇单元添加到段文件中，核心过程可以总结成为，提取文档，分析文档，添加文档三个过程。提取文档过程，从各种文本中提取数据，对应的程序指的就是封装document的过程，分析文档，将要索引的数据封装成一个个的document对象之后会交给luncene来分析，分析过程会将数据分割成一个个的语汇单元，并做一些处理，比如对数据进行大小写转换，去除一些停词，无意义的词，最后生成语汇单元，最后对生成语汇单元写入到索引文件中。
来写一个对本地文件夹所有文件建索引的程序，对F盘下的所有文件的文件名建索引，生成的索引存放在F:\\Lucence\\Fdiskindex 目录下
添加pom依赖
<lucene.version>4.6.1</lucene.version>
<dependency>
<groupId>org.apache.lucene</groupId>
<artifactId>lucene-core</artifactId>
<version>${lucene.version}</version>
</dependency>
<dependency>
<groupId>org.apache.lucene</groupId>
<artifactId>lucene-analyzers-common</artifactId>
<version>${lucene.version}</version>
</dependency>
<dependency>
<groupId>org.apache.lucene</groupId>
<artifactId>lucene-queryparser</artifactId>
<version>${lucene.version}</version>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.lucene/lucene-highlighter -->
<dependency>
<groupId>org.apache.lucene</groupId>
<artifactId>lucene-highlighter</artifactId>
<version>${lucene.version}</version>
</dependency>
f盘文件建索引
public class DiskIndex {
private static Logger logger = Logger.getLogger(DiskIndex.class);
private String IndexOutputStr;
private String indexRootPath;
public String getIndexOutputStr() {
return IndexOutputStr;
}
public void setIndexOutputStr(String indexOutputStr) {
IndexOutputStr = indexOutputStr;
}
public String getIndexRootPath() {
return indexRootPath;
}
public void setIndexRootPath(String indexRootPath) {
this.indexRootPath = indexRootPath;
}
private IndexWriter iwriter;
public void index() {
Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_46);
IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_46, analyzer);
try {
Directory directory = FSDirectory.open(new File(IndexOutputStr));
iwriter = new IndexWriter(directory, config);
File inputfile = new File(indexRootPath);
File[] files = inputfile.listFiles();
for (File file : files) {
if(fileFilter(file)) {
addDoc(file);
}
}
} catch (IOException e) {
e.printStackTrace();
logger.warn("打开文件异常");
}
}
private void addDoc(File file) {
if (file.isDirectory()&&(!file.getPath().contains("RECYCLE.BIN"))) {
try{
File[] filelist = file.listFiles();
for ( File afile: filelist ) {
addDoc(afile);
} }catch (Exception E){
}
} else if (file.isFile()&&(!file.getPath().contains("RECYCLE.BIN"))) {
try {
indexFile(file);
} catch (IOException e) {
logger.info("索引文件出错 path = " + file.getPath());
}
}
}
private void close() throws IOException {
iwriter.close();
}
private void indexFile(File file) throws IOException {
logger.info(" index file = "+ file.getPath());
String fileName = file.getName();
String filePath = file.getPath();
Long fileSize = file.length();
Document doc = new Document();
doc.add(new Field("filename", fileName, TextField.TYPE_STORED));
doc.add(new Field("filepath", filePath, TextField.TYPE_STORED));
doc.add(new LongField("fileSize", fileSize, LongField.TYPE_STORED));
iwriter.addDocument(doc);
}
public static boolean fileFilter(File file){
Boolean flag = true;
if(file.getPath().contains("spark")){
flag = false;
}
if(file.getPath().contains("hive")){
flag = false;
}
return flag;
}
public static void main(String[] args) throws IOException {
DiskIndex index = new DiskIndex();
index.setIndexRootPath("F:\\");
index.setIndexOutputStr("F:\\Lucence\\Fdiskindex");
index.index();
index.close();
}
}
再来一个搜索程序，搜索F盘下和redis有关的文件
public class DiskSearch {
private Logger logger = Logger.getLogger(DiskIndex.class);
private DirectoryReader ireader = null;
private IndexSearcher isearcher = null;
private String indexdir = "F:\\Lucence\\Fdiskindex";
public void search(String queryField) {
Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_46);
QueryParser parser = new QueryParser(Version.LUCENE_46, "filename", analyzer);
Directory directory = null;
try {
directory = FSDirectory.open(new File(indexdir));
DirectoryReader ireader = DirectoryReader.open(directory);
IndexSearcher isearcher = new IndexSearcher(ireader);
Query query = parser.parse(queryField);//query word
ScoreDoc[] hits = isearcher.search(query, null, 1000).scoreDocs;
for (int i = 0; i < hits.length; i++) {
Document hitDoc = isearcher.doc(hits[i].doc);
System.out.println("____________________________");
System.out.println(hitDoc.get("filename"));
System.out.println(hitDoc.get("filepath"));
}
ireader.close();
directory.close();
} catch (IOException e) {
e.printStackTrace();
} catch (ParseException e) {
e.printStackTrace();
}
}
public static void main(String[] args) {
DiskSearch search = new DiskSearch();
search.search("redis");
}
}
查看返回结果
时间： 2024-10-19 10:42:44