LUCENE（一）

介绍

什么是LUCENE

lucene是一个基于Java的全文检索工具包

数据分类

结构化数据
- 长度格式类型固定
- sql
非结构化数据
- word pdf html txt
- 查询方法
  - （1）顺序扫描法(Serial Scanning)
    所谓顺序扫描，比如要找内容包含某一个字符串的文件，就是一个文档一个文档的看，对于每一个文档，从头看到尾，如果此文档包含此字符串，则此文档为我们要找的文件，接着看下一个文件，直到扫描完所有的文件。如利用windows的搜索也可以搜索文件内容，只是相当的慢。
  - （2）全文检索(Full-text Search)
    将非结构化数据中的一部分信息提取出来，重新组织，使其变得有一定结构，然后对此有一定结构的数据进行搜索，从而达到搜索相对较快的目的。这部分从非结构化数据中提取出的然后重新组织的信息，我们称之索引。
    例如：字典。字典的拼音表和部首检字表就相当于字典的索引，对每一个字的解释是非结构化的，如果字典没有音节表和部首检字表，在茫茫辞海中找一个字只能顺序扫描。然而字的某些信息可以提取出来进行结构化处理，比如读音，就比较结构化，分声母和韵母，分别只有几种可以一一列举，于是将读音拿出来按一定的顺序排列，每一项读音都指向此字的详细解释的页数。我们搜索时按结构化的拼音搜到读音，然后按其指向的页数，便可找到我们的非结构化数据——也即对字的解释。
    这种先建立索引，再对索引进行搜索的过程就叫全文检索(Full-text Search)。
    虽然创建索引的过程也是非常耗时的，但是索引一旦创建就可以多次使用，全文检索主要处理的是查询，所以耗时间创建索引是值得的。

什么是全文检索？

先创建索引再查询索引的过程就是全文检索

应用

只要有搜索的地方就可以用全文检索

搜索引擎
站内搜索

LUCENE全文检索

![屏幕快照 2020-01-03 15.20.21](LUCENE入门（一）/屏幕快照 2020-01-03 15.20.21.png)

创建索引
1. 获得文档
2. 构建文档对象
  
  ![屏幕快照 2020-01-03 15.21.14](LUCENE入门（一）/屏幕快照 2020-01-03 15.21.14.png)
3. 分析文档
4. 创建索引
  1. 倒排索引：倒排索引结构是根据内容（词语）找文档，倒排索引结构也叫反向索引结构，包括索引和文档两部分，索引即词汇表，它的规模较小，而文档集合较大。
查询索引
1. 用户查询接口
2. 将关键词封装成一个对象
3. 执行查询
4. 渲染结果

程序实战

导入包

lucene-analyzers-common-7.4.0.jar
lucene-core-7.4.0.jar
commons-io-2.6.jar

创建索引

//1.创建Director对象，保存索引库位置
    Directory directory = FSDirectory.open(new File("/Users/index_sth").toPath());
    //2.基于directory创建一个Indexwriter对象
    IndexWriter indexWriter = new IndexWriter(directory, new IndexWriterConfig());
    //3.读取磁盘文件创建索引
    File dir = new File("/Users");
    File[] files = dir.listFiles();
    for (File f : files) {
        //取文件名
        String fileName = f.getName();

        //参数1：域的名称，参数2：域的内容，参数3：是否存储
        Field fieldName = new TextField("name", fileName, Field.Store.YES);
      
        //4.创建Document
        Document document = new Document();
        document.add(fieldName);

        //5.将文档对象写入索引库
        indexWriter.addDocument(document);

    }
    //6.关闭indexWriter
    indexWriter.close();

查询索引

//1、创建一个Director对象，指定索引库的位置
Directory directory = FSDirectory.open(new File("/Users/index_sth").toPath());
//2、创建一个IndexReader对象
IndexReader indexReader = DirectoryReader.open(directory);
//3、创建一个IndexSearcher对象，构造方法中的参数indexReader对象。
IndexSearcher indexSearcher = new IndexSearcher(indexReader);
//4、创建一个Query对象，TermQuery
Query query = new TermQuery(new Term("content", "spring"));
//5、执行查询，得到一个TopDocs对象
//参数1：查询对象 参数2：查询结果返回的最大记录数
TopDocs topDocs = indexSearcher.search(query, 10);
//6、取查询结果的总记录数
System.out.println("查询总记录数：" + topDocs.totalHits);
//7、取文档列表
ScoreDoc[] scoreDocs = topDocs.scoreDocs;
//8、打印文档中的内容
for (ScoreDoc doc :
        scoreDocs) {
    //取文档id
    int docId = doc.doc;
    //根据id取文档对象
    Document document = indexSearcher.doc(docId);
    System.out.println(document.get("name"));
}
//9、关闭IndexReader对象
indexReader.close();