一、概述

lucene是一個全文搜索引擎，在全文索引工具中，都是由這樣的但部分組成：

• 1、索引部分
• 2、分詞部分
• 3、搜索部分

二、入門程序

2.1 入門程序

這里我們需要導入lucene的jar包，注意：這里使用的是3.5.0版本，lucene的各個版本差異較大。
下面看入門程序，看lucene如何創建索引和搜索索引（工程lucene01）：
HelloLucene.java

package cn.lucene.test;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;
import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.index.CorruptIndexException;
import org.apache.lucene.index.IndexReader;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.queryParser.ParseException;
import org.apache.lucene.queryParser.QueryParser;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.store.LockObtainFailedException;
import org.apache.lucene.store.RAMDirectory;
import org.apache.lucene.util.Version;

public class HelloLucene {
    
    //建立索引
    public void index(){
        IndexWriter writer = null;
        try {
            //1、創建Directory
            //Directory directory = new RAMDirectory();//索引是建立在內存中的
            Directory directory = FSDirectory.open(new File("E:/myeclipse/Lucene/index"));//創建在硬盤上
            
            //2、創建IndexWriter
            IndexWriterConfig iwc = new IndexWriterConfig(Version.LUCENE_35, new StandardAnalyzer(Version.LUCENE_35));
            writer = new IndexWriter(directory, iwc);
            
            //3、創建Document對象
            Document doc = null; 
                    
            //4、為Document添加Field，是Document的一個子元素
            File file = new File("E:/myeclipse/Lucene/somefile");
            for(File f : file.listFiles()){
                doc = new Document();
                doc.add(new Field("content", new FileReader(f)));
                doc.add(new Field("filename", f.getName(), Field.Store.YES, Field.Index.NOT_ANALYZED));
                doc.add(new Field("path", f.getAbsolutePath(), Field.Store.YES, Field.Index.NOT_ANALYZED));
                //5、通過IndexWriter添加文檔到索引中
                writer.addDocument(doc);
            }
        } catch (CorruptIndexException e) {
            e.printStackTrace();
        } catch (LockObtainFailedException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }finally{
            if(writer != null){
                try {
                    writer.close();
                } catch (IOException e) {
                    e.printStackTrace();
                }
            }
        }
    }
    //搜索
    public void search(){
        Directory directory;
        try {
            //1、創建Directory
            directory = FSDirectory.open(new File("E:/myeclipse/Lucene/index"));
            
            //2、創建IndexReader
            IndexReader reader = IndexReader.open(directory);
            //3、根據IndexReader創建IndexSearcher
            IndexSearcher searcher = new IndexSearcher(reader);
            //4、創建搜索的Query
            //創建QueryParser來確定要搜索文件的內容，第二個參數表示搜索的域
            QueryParser parser = new QueryParser(Version.LUCENE_35, "content", new StandardAnalyzer(Version.LUCENE_35));
            //創建Query，表示搜索域為content中包含java的文檔
            Query query = parser.parse("java");
            //5、根據searcher搜索并且返回TopDocs
            TopDocs tdoc = searcher.search(query, 10);//只會顯示10條內容
            
            //6、根據TopDocs獲取ScoreDoc對象
            ScoreDoc sdocs[] = tdoc.scoreDocs;
            for(ScoreDoc s : sdocs){
                //7、根據searcher行業ScoreDoc獲取具體的Document對象
                Document document = searcher.doc(s.doc);
                //8、根據Document對象獲取所需要的值
                System.out.println(document.get("filename") + "[" + document.get("path") + "]");
            }
            //9、關閉reader
            reader.close(); 
        } catch (CorruptIndexException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        } catch (ParseException e) {
            e.printStackTrace();
        }
    }
}

說明：這里我們存儲的文檔放在E:/myeclipse/Lucene/somefile中，創建的搜索我們放在E:/myeclipse/Lucene/index中，這里方法index()是創建文檔索引的方法，而search()是搜索文檔索引的方法。

2.2 測試

TestLucene.java

package cn.lucene.test;
import org.junit.Test;
public class TestLucene {
    
    @Test
    public void testIndex(){
        HelloLucene hLucene = new HelloLucene();
        hLucene.index();
    }
    
    @Test
    public void testSearch(){
        HelloLucene hLucene = new HelloLucene();
        hLucene.search();
    }
}

說明：這里我們在創建文檔之后再次創建生成的索引不會覆蓋，而是會增加，這是因為lucene索引是一種增量索引，每次生成索引都不會將前面生成的索引刪除，而是添加，于是每次搜索出來的結果會有重復。這里我們搜索關鍵字為java，會打印出相關的文件路徑，這里我們先不深究程序的具體實現。

三、相關概念

3.1 建立索引時最重要的幾個術語

• Document：一個要進行索引的單元，相當于數據庫的一行紀錄，任何想要被索引的數據，都必須轉化為Document對象存放。

• Field：Document中的一個字段，相當于數據庫中的Column ，Field是lucene比較多概念一個術語。

• IndexWriter：負責將Document寫入索引文件。通常情況下，IndexWriter的構造函數包括了以下3個參數:索引存放的路徑,分析器和是否重新創建索引。特別注意的一點，當IndexWriter執行完addDocument方法后，一定要記得調用自身的close方法來關閉它。只有在調用了close方法后，索引器才會將存放在內在中的所有內容寫入磁盤并關閉輸出流。

• Analyzer:分析器，主要用于文本分詞（可以這樣理解，就是將一段話分成單個的詞語，然后為單個的詞語建立標識，便于搜索，就像一個超鏈接一樣）。常用的有StandardAnalyzer分析器，StopAnalyzer分析器，WhitespaceAnalyzer分析器等。

• Directory:索引存放的位置。lucene提供了兩種索引存放的位置，一種是磁盤，一種是內存。一般情況將索引放在磁盤上；相應地lucene提供了FSDirectory和RAMDirectory兩個類。

• 段：Segment是Lucene索引文件的最基本的一個單位。Lucene說到底就是不斷加入新的Segment，然后按一定的規則算法合并不同的Segment以合成新的Segment。我們在上面測試時從建立的索引文件中就可以看出有如
  

  1
  
  圖中使用0，1標號表示的就是段，而這里我們可以看到每次創建索引都是增加而不是覆蓋。

• 最后lucene建立索引的過程就是將待索引的對象轉化為Lucene的Document對象，使用IndexWriter將其寫入lucene 自定義格式的索引文件中。待索引的對象可以來自文件、數據庫等任意途徑，用戶自行編碼遍歷目錄讀取文件或者查詢數據庫表取得ResultSet，Lucene的API只負責和字符串打交道。

3.2 存儲域選項

存儲域選項有Field.Store.YES或Field.Store.NO，設置為YES表示把這個域中的內容完全存儲到文件中，方便進行文本的還原，設置為NO表示不把這個域中的內容完全存儲到文件中，但是可以被索引，此時內容無法完全還原。比如一篇文章，我們可以建立文章的索引（此索引就是用來搜索這篇文章的一個標簽），但是我們可以不將整片文章內容全部存儲下來，但是這樣我們雖然能搜索到這篇文章，但是卻不能將其還原。

3.3 索引域選項：

• Field.Index.ANALYZED:進行分詞和索引，適用于標題、內容等。
• Field.Index. ANALYZED_NO_NORMS:進行分詞但是不存儲norms信息，這個norms中包括創建索引的時間和權值等信息
• Field.Index. NOT_ANALYZED:進行索引，但是不進行分詞，如身份證號、姓名、ID等，試用于精確索引
• Field.Index. NOT_ANALYZED_NO_NORMS:即不進行分詞也不存儲norms信息
• Field.Index.NO:不進行索引

3.4 最佳實踐