Lucene学习笔记
Lucene的概述：
1.1 什么是lucene
http://cloudera.iteye.com/blog/656459
这是一篇很好的文章。下面便是取自这里。
Lucene是一个全文搜索框架，而不是应用产品。因此它并不像http://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。
1.2 lucene能做什么
要回答这个问题，先要了解lucene的本质。实际上lucene的功能很单一，说到底，就是你给它若干个字符串，然后它为你提供一个全文搜索服务，告诉你你要搜索的关键词出现在哪里。知道了这个本质，你就可以发挥想象做任何符合这个条件的事情了。你可以把站内新闻都索引了，做个资料库；你可以把一个数据库表的若干个字段索引起来，那就不用再担心因为“%like%”而锁表了；你也可以写个自己的搜索引擎……
1.3 你该不该选择lucene
下面给出一些测试数据，如果你觉得可以接受，那么可以选择。
测试一：250万记录，300M左右文本，生成索引380M左右，800线程下平均处理时间300ms。
测试二：37000记录，索引数据库中的两个varchar字段，索引文件2.6M，800线程下平均处理时间1.5ms。
2 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。
2.1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。
2.2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。
3 一些需要知道的概念
lucene用到一些概念，了解它们的含义，有利于下面的讲解。
3.1 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。
分词的规则千变万化，但目的只有一个：按语义划分。这点在英文中比较容易实现，因为英文本身就是以单词为单位的，已经用空格分开；而中文则必须以某种方法将连成一片的句子划分成一个个词语。具体划分方法下面再详细介绍，这里只需了解分析器的概念即可。
3.2 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。
3.3 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。
3.4 term
term是搜索的最小单位，它表示文档的一个词语，term由两部分组成：它表示的词语和这个词语所出现的field。
3.5 tocken
tocken是term的一次出现，它包含trem文本和相应的起止偏移，以及一个类型字符串。一句话中可以出现多次相同的词语，它们都用同一个term表示，但是用不同的tocken，每个tocken标记该词语出现的地方。
3.6 segment
添加索引时并不是每个document都马上添加到同一个索引文件，它们首先被写入到不同的小文件，然后再合并成一个大索引文件，这里每个小文件都是一个segment。
4 lucene的结构
lucene包括core和sandbox两部分，其中core是lucene稳定的核心部分，sandbox包含了一些附加功能，例如highlighter、各种分析器。 Lucene core有七个包：analysis，document，index，queryParser，search，store，util。对于4.5版本不是这7个包，而是如下：
关于这些的详细介绍，后面再说。
环境的准备：
1. 先下载开发的jar包：http://lucene.apache.org/
http://apache.dataguru.cn/lucene/java/4.5.0/
我们把zip和src下载下来就可以了。
2. 对于开源的框架，一般使用都有2个步骤
a) 添加jar包
为了项目的可移植性，我们应该建立一个lib文件夹，专门放外部的jar包，然后把需要的jar包放入到这个目录，最后在链接进项目里面
b) 配置文件
3. 根据开发文档搭建环境
a) 先读readme文件，他会告诉你怎么用，告诉你这项目是什么
b) 再根据a)的指导，读取相应的文件，也就是docs/index.html
c) Index只指导我们看demon，于是只能网上搜索demo怎么用
下面是demon的使用方法：
http://blog.csdn.net/wyj0613/article/details/12318825
我们按照这个做法做就是了(预告：最后没有找到怎么搭建工程的方法)
i) 定义环境变量：CLASSPATH的值如下：
D:\soft_framework_utiles\lucene-4.5.0\lucene-4.5.0\core\lucene-core-4.5.0.jar;
D:\soft_framework_utiles\lucene-4.5.0\lucene-4.5.0\demo\lucene-demo-4.5.0.jar;D:\soft_framework_utiles\lucene-4.5.0\lucene-4.5.0\queryparser\lucene-queryparser-4.5.0.jar;
D:\soft_framework_utiles\lucene-4.5.0\lucene-4.5.0\analysis\common\lucene-analyzers-common-4.5.0.jar;
把这个4个jar放进去就是了。
j) 开始测试demonà建立索引
java org.apache.lucene.demo.IndexFiles -index [index folder] -docs[docs folder]
设置要生成的索引的文件夹和要解析的docs
我们的doc目录用：demo\lf_test_docs_dir
生成的index目录用：demo\lf_test_index_dir
下面就是执行过程：
我们可以去看index目录的生成的文件：
k) 开始测试demonà执行查询
java org.apache.lucene.demo.SearchFiles
将会出现“Query:”提示符，在其后输入关键字，回车，即可得到查询结果
由于SearchFiles是查找当前目录下面的index目录作为索引文件目录，所以这
里报错了，我们可以用-index参数指定我们的index目录：
可以看到查询mozilla得到3个文档有这个关键字。
4. 到教学的东西，那么我们就查资料吧，下面是做法
需要的jar包是：
Ø lucene-core-4.5.0.jar 核心包
Ø lucene-analyzers-common-4.5.0.jar 分词器
Ø lucene-highlighter-4.5.0.jar 高亮器
添加到项目buildpath:
如下显示就对了：
5. 写我们自己的代码了
先生成索引:（代码插件挺好用啊）
1 Document document 2 3 4 = 5 6 7 LuceneUtiles.getDocument(filePath); 8 9 10 11 12 // 13 14 15 存放索引的目录 16 17 18 19 20 21 22 23Directory indexDirectory 24 25 26 = 27 28 29 FSDirectory.open( 30 31 32 new 33 34 35 File(indexPath)); 36 37 38 39 40 // 41 42 43 这里默认使用的模式是：openMode = OpenMode.CREATE_OR_APPEND; 44 45 46 47 48 // 49 50 51 IndexWriterConfig的父类构造是初始化的 52 53 54 55 56 57 58 59IndexWriterConfig indexWriterConfig 60 61 62 = 63 64 65 66 67 68 new 69 70 71 72 73IndexWriterConfig(Version.LUCENE_45, analyzer); 74 75 76 77 78 // 79 80 81 索引的维护是用IndexWriter来做的，把doc添加进去,更新，删除就行了 82 83 84 85 86 87 88 89IndexWriter indexWriter 90 91 92 = 93 94 95 96 97 98 new 99 100 101 102 103IndexWriter(indexDirectory,indexWriterConfig); 104 105indexWriter.addDocument(document); 106 107 108 109 110 // 111 112 113 所有io操作的，最后都应该关闭，比如file，network，database等 114 115 116 117 118 119 120 121indexWriter.close(); 122 123查询: 124 125 126 127 public 128 129 130 131 132 133 void 134 135 136 searchFromIndex() 137 138 139 throws 140 141 142 IOException 143 144{ 145 146 147 148 149 // 150 151 152 只能全小写才可以！因为我们term没有经过分词器处理！ 153 154 155 156 157 // 158 159 160 所以只能用直接跟索引库的关键字一一对应的值 161 162 163 164 165 // 166 167 168 以后讲解把索引字符串也处理的方法 169 170 171 172 173 174 175 176 String queryString 177 178 179 = 180 181 182 183 184 185 " 186 187 188 binary 189 190 191 " 192 193 194 ; 195 196 197 198 199 // 200 201 202 1.收索字符串--->Query对象 203 204 205 206 207 208 209 210 Query query 211 212 213 = 214 215 216 217 218 219 null 220 221 222 ; 223 224 { 225 226 227 228 229 // 230 231 232 注意： 233 234 235 236 237 // 238 239 240 因为文件在建立索引的时候(分词器那里)，就已经做了一次大小写转换了， 241 242 243 244 245 // 246 247 248 存的索引全是小写的 249 250 251 252 253 // 254 255 256 而我们这里搜索的时候没有通过分词器，所以我们的数据没有转化， 257 258 259 260 261 // 262 263 264 那么如果这里是大写类型就搜不到任何东西！！！ 265 266 267 268 269 270 271 272 Term term 273 274 275 = 276 277 278 279 280 281 new 282 283 284 Term( 285 286 287 " 288 289 290 fileContent 291 292 293 " 294 295 296 ,queryString); 297 298 299 300 301 // 302 303 304 至于这里用什么Query，以后再说 305 306 307 308 309 310 311 312 query 313 314 315 = 316 317 318 319 320 321 new 322 323 324 TermQuery(term); 325 326 } 327 328 329 330 331 // 332 333 334 2.进行查询 335 336 337 338 339 340 341 342 TopDocs topDocs 343 344 345 = 346 347 348 349 350 351 null 352 353 354 ; 355 356 IndexSearcher searcher 357 358 359 = 360 361 362 363 364 365 null 366 367 368 ; 369 370 IndexReader indexReader 371 372 373 = 374 375 376 377 378 379 null 380 381 382 ; 383 384 { 385 386 387 388 389 // 390 391 392 指定索引的文件位置 393 394 395 396 397 398 399 400 indexReader 401 402 403 = 404 405 406 DirectoryReader.open(FSDirectory.open( 407 408 409 new 410 411 412 413 414 File(indexPath))); 415 416 searcher 417 418 419 = 420 421 422 423 424 425 new 426 427 428 IndexSearcher(indexReader); 429 430 Filter filter 431 432 433 = 434 435 436 437 438 439 null 440 441 442 ; 443 444 445 446 447 // 448 449 450 搜索 451 452 453 454 455 // 456 457 458 过滤器，可以过滤一些文件，null就是不用过滤器 459 460 461 462 463 // 464 465 466 数字代表每次查询多少条，也就是一次数据的读取读多少条， 467 468 469 470 471 // 472 473 474 1000,10000等比较合适,默认是50 475 476 477 478 479 // 480 481 482 483 484 485 486 487 488 489 490 topDocs 491 492 493 = 494 495 496 searcher.search(query, filter, 497 498 499 1000 500 501 502 ); 503 504 } 505 506 507 508 509 // 510 511 512 3.打印结果 513 514 515 516 517 518 519 520 { 521 522 System.out.println( 523 524 525 526 527 " 528 529 530 总共有【 531 532 533 " 534 535 536 + 537 538 539 topDocs.totalHits 540 541 542 + 543 544 545 " 546 547 548 】条匹配结果 549 550 551 " 552 553 554 ); 555 556 557 558 559 // 560 561 562 这是返回的数据 563 564 565 566 567 568 569 570 571 572 573 for 574 575 576 ( 577 578 579 int 580 581 582 i 583 584 585 = 586 587 588 589 590 591 0 592 593 594 ; i 595 596 597 < 598 599 600 topDocs.scoreDocs.length; i 601 602 603 ++ 604 605 606 ) { 607 608 609 610 611 int 612 613 614 docId 615 616 617 = 618 619 620 topDocs.scoreDocs[i].doc; 621 622 Document hittedDocument 623 624 625 = 626 627 628 searcher.doc(docId); 629 630 LuceneUtiles.print(hittedDocument); 631 632 } 633 634 } 635 636 indexReader.close(); 637 638} 639 640 641 642 643
6. 讲解
点击类名，使用ctrl+T实现查询该类的子类，即继承关系！
下面是Lucene的大体结构图：
原理是先把文章根据需求用分词器拆分，然后建立好每一个关键词到文章的映射关系，这就是索引表，索引表存放的就是关键字到文章的映射，注意这里的映射不是直接就持有了对应的文章，而是持有的内部对文章编号的一个id。所以索引是关键字到文章Id的一个映射。
当用户查询时，也用之前的分词器，把查询分词，然后每一个词都挨着找索引，把匹配的返回出来就完毕了。
（别人的图片）
a) Analysis：分词器
Analysis包含一些内建的分析器，例如按空白字符分词的WhitespaceAnalyzer，添加了stopwrod过滤的StopAnalyzer，最常用的StandardAnalyzer。
b) Documet：文档
就是我们的源数据的封装结构，我们需要把源数据分成不同的域，放入到documet里面，到时搜索时也可以指定搜索哪些域（Field）了。
c) Directory : 目录，这是对目录的一个抽象，这个目录可以是文件系统上面的一个dir(FSDirectory)，也可以是内存的一块(RAMDirectory)，MmapDirectory为使用内存映射的索引。
放在内存的话就会避免IO的操作耗时了,根据需要选择就是了。
d) IndexWriter ： 索引书写器，也就是维护器，对索引进行读取和删除操作的类
e) IndexReader ： 索引读取器，用于读取指定目录的索引。
f) IndexSearcher ： 索引的搜索器，就是把用户输入拿到索引列表中搜索的一个类
需要注意的是，这个搜索出来的就是（TopDocs）索引号，还不是真正的文章。
g) Query ： 查询语句，我们需要把我们的查询String封装成Query才可以交给Searcher来搜索 ,查询的最小单元是Term，Lucene的Query有很多种，根据不同的需求选用不同的Query就是了.
i. TermQuery:
如果你想执行一个这样的查询：“在content域中包含‘lucene’的document”，那么你可以用TermQuery：
1 Term t 2 3 4 = 5 6 7 8 9 10 new 11 12 13 Term( 14 15 16 " 17 18 19 content 20 21 22 " 23 24 25 , 26 27 28 " 29 30 31 lucene 32 33 34 " 35 36 37 ); 38 39Query query 40 41 42 = 43 44 45 46 47 48 new 49 50 51 TermQuery(t); 52 53 54 55
ii. BooleanQuery:多个query的【与或】关系的查询
如果你想这么查询：“在content域中包含java或perl的document”，那么你可以建立两个TermQuery并把它们用BooleanQuery连接起来：
1 TermQuery termQuery1 2 3 4 = 5 6 7 8 9 10 new 11 12 13 TermQuery( 14 15 16 new 17 18 19 Term( 20 21 22 " 23 24 25 content 26 27 28 " 29 30 31 , 32 33 34 " 35 36 37 java 38 39 40 " 41 42 43 ); 44 45TermQuery termQuery 46 47 48 2 49 50 51 52 53 54 = 55 56 57 58 59 60 new 61 62 63 TermQuery( 64 65 66 new 67 68 69 Term( 70 71 72 " 73 74 75 content 76 77 78 " 79 80 81 , 82 83 84 " 85 86 87 perl 88 89 90 " 91 92 93 ); 94 95BooleanQuery booleanQuery 96 97 98 = 99 100 101 102 103 104 new 105 106 107 BooleanQuery(); 108 109booleanQuery.add(termQuery1, BooleanClause.Occur.SHOULD); 110 111booleanQuery.add(termQuery2, BooleanClause.Occur.SHOULD); 112 113 114 115 116
iii. WildcardQuery ： 通配符的查询
如果你想对某单词进行通配符查询，你可以用WildcardQuery，通配符包括’?’匹配一个任意字符和’*’匹配零个或多个任意字符，例如你搜索’use*’，你可能找到’useful’或者’useless’：
Query query = new WildcardQuery(new Term("content", "use*");
iv. PhraseQuery ： 在指定的文字距离内出现的词的查询
你可能对中日关系比较感兴趣，想查找‘中’和‘日’挨得比较近（5个字的距离内）的文章，超过这个距离的不予考虑，你可以：
PhraseQuery query = new PhraseQuery();
query.setSlop(5);
query.add(new Term("content ", “中”));
query.add(new Term(“content”, “日”));
那么它可能搜到“中日合作……”、“中方和日方……”，但是搜不到“中国某高层领导说日本欠扁”。
v. PrefixQuery : 查询词语是以某字符开头的
如果你想搜以‘中’开头的词语，你可以用PrefixQuery：
PrefixQuery query = new PrefixQuery(new Term("content ", "中");
vi. FuzzyQuery ： 相似的搜索
FuzzyQuery用来搜索相似的term，使用Levenshtein算法。假设你想搜索跟‘wuzza’相似的词语，你可以：
Query query = new FuzzyQuery(new Term("content", "wuzza");
你可能得到‘fuzzy’和‘wuzzy’。
vii. TermRangeQuery : 范围内搜索
你也许想搜索时间域从20060101到20060130之间的document，你可以用TermRangeQuery：
TermRangeQuery query2 = TermRangeQuery.newStringRange("time", "20060101", "20060130", true, true);
最后的true表示用闭合区间。
viii.
h) TopDocs ：结果集，就是searcher搜索的结果，里面就是一些ScoreDoc，这个对象的doc成员就是这个Id了！
要想得到文章，那么就得需要用这个Id去取文章了，searcher提供了用id得到document的方法，于是就取到了数据了
i)
使用多个Directory
因为我们知道了FSDirectory是从文件系统的目录中读取数据，我们总不可能每次查询都从文件中读取一次索引吧，所以我们的做法应该是程序启动时就把所以载入到内存，退出时再回写，如下面的示意图：
（也是别人的图片）
使用内存的目录:RAMDirectory
这样可以加快访问速度
1 /** 2 3 4 5 6 * 测试使用RAMDirectroy,也就是把生成的索引写到内存而不是磁盘. 7 8 * 运行这个方法，不报错就代表成功了。 9 10 * 平时我们是把索引文件写道文件系统的，这里就是写道RAM中，以后读取也 11 12* 可以在这个目录读取，快速！ 13 14 * 15 16 17 @throws 18 19 20 IOException 21 22 23 24 25 */ 26 27 28 29 30@Test 31 32 33 34 35 public 36 37 38 39 40 41 void 42 43 44 testWriteInToRam() 45 46 47 throws 48 49 50 IOException 51 52{ 53 54 Directory directory 55 56 57 = 58 59 60 61 62 63 new 64 65 66 RAMDirectory(); 67 68 IndexWriterConfig config 69 70 71 = 72 73 74 75 76 77 78 79 new 80 81 82 IndexWriterConfig(Version.LUCENE_45, analyzer); 83 84 IndexWriter indexWriter 85 86 87 = 88 89 90 91 92 93 new 94 95 96 IndexWriter(directory, config); 97 98 indexWriter.addDocument(LuceneUtiles.getDocument(filePath)); 99 100 indexWriter.close(); 101 102} 103 104 105 106 107
从文件系统的目录载入到ram中，然后进行操作，最后保存回去
下面是实例代码：
1 /** 2 3 4 5 6 * 从磁盘的索引文件中读取放入到RAM目录， 7 8 * 然后进行一系列的其他操作。 9 10 * 退出时再把RAM的写回文件系统。 11 12 * 13 14 15 @throws 16 17 18 IOException 19 20 21 22 23 */ 24 25 26 27 28@Test 29 30 31 32 33 public 34 35 36 37 38 39 void 40 41 42 testLoadIntoRamAndWriteBacktoFS() 43 44 45 throws 46 47 48 IOException 49 50{ 51 52 53 54 55 // 56 57 58 1.启动时载入 59 60 61 62 63 64 65 66 Directory fsDir 67 68 69 = 70 71 72 FSDirectory.open( 73 74 75 new 76 77 78 File(indexPath)); 79 80 RAMDirectory ramDir 81 82 83 = 84 85 86 87 88 89 new 90 91 92 RAMDirectory(fsDir, 93 94 95 new 96 97 98 IOContext()); 99 100 101 102 103 // 104 105 106 中途操作内存中的数据 107 108 109 110 111 112 113 114 IndexWriterConfig ramIndexWriterConfig 115 116 117 = 118 119 120 121 122 123 124 125 new 126 127 128 IndexWriterConfig(Version.LUCENE_45, analyzer); 129 130 IndexWriter ramIndexWriter 131 132 133 = 134 135 136 137 138 139 140 141 new 142 143 144 IndexWriter(ramDir, ramIndexWriterConfig); 145 146 147 148 149 // 150 151 152 添加一个文件,这好像没有写进去！！！！！！！ 153 154 155 156 157 // 158 159 160 不是没写进去，而是这个方法没有执行！因为test方法一定要加@Test注解！ 161 162 163 164 165 166 167 168 ramIndexWriter.addDocument( 169 170 LuceneUtiles.getDocument(filePath)); 171 172 ramIndexWriter.close(); 173 174 175 // 176 177 178 要先关闭，因为还有缓存。 179 180 181 182 183 // 184 185 186 2.退出时保存写回，因为默认是CREATE_OR_APPEND 187 188 189 190 191 // 192 193 194 所以这里就会把AABBCC读出来之后，加上DD 195 196 197 198 199 // 200 201 202 那么写回去的数据时AABBCCDD，但是已经本地有存储了， 203 204 205 206 207 // 208 209 210 所以是append的方式，于是最后的结果是 211 212 213 214 215 // 216 217 218 AABBCCAABBCCDD,就是重复的了。可以search同一个关键字， 219 220 221 222 223 // 224 225 226 看结果数量就知道了 227 228 229 230 231 // 232 233 234 会1条变3条，3条变7条，这种*2+1的形式 235 236 237 238 239 // 240 241 242 243 244 245 246 247 // 248 249 250 我们可以每次都重写，就能解决了 251 252 253 254 255 256 257 258 IndexWriterConfig fsIndexWriterConfig 259 260 261 = 262 263 264 265 266 267 268 269 new 270 271 272 IndexWriterConfig(Version.LUCENE_45, analyzer); 273 274 275 276 277 // 278 279 280 设置每次重写 281 282 283 284 285 286 287 288 fsIndexWriterConfig.setOpenMode(OpenMode.CREATE); 289 290 IndexWriter fsIndexWriter 291 292 293 = 294 295 296 297 298 299 300 301 new 302 303 304 IndexWriter(fsDir, fsIndexWriterConfig); 305 306 fsIndexWriter.addIndexes(ramDir); 307 308 fsIndexWriter.close(); 309 310} 311 312 313 314 315
合并索引
因为每添加一个文档的索引，都会建立多个小的文件存放索引，所以文档多了之后，IO操作就很费时间了，于是我们需要合并小文件，每一个小文件就是segment。合并代码如下,需要注意的是：
a) 我们不能直接把索引库打开，用Creat_OR_Append的方式强制写回
他会出现叠加的问题
b) 要每次都用Create的方式写回
但是不能再写回自己的目录，因为同一个目录不支持又读又写，必须指定其他的目录
c) 指定其他目录存放Merge的索引，在写回之前，应该把之前的索引添加到IndexWriter中，这样才把会有数据
1 /** 2 3 4 5 6 * 索引库文件优化,貌似没有提供保存优化的接口 7 8 * 多半内部封装好的，外界不用管。只有一个强制合并的接口。 9 10 * 这就是用于合并。 11 12 * 13 14 15 @throws 16 17 18 IOException 19 20 21 22 23 */ 24 25 26 27 28@Test 29 30 31 32 33 public 34 35 36 37 38 39 void 40 41 42 testYouHua() 43 44 45 throws 46 47 48 IOException 49 50{ 51 52 Directory fsDirectory_Merged 53 54 55 = 56 57 58 59 60 FSDirectory.open( 61 62 63 new 64 65 66 File(indexPathMerged)); 67 68 Directory fsDirectory 69 70 71 = 72 73 74 FSDirectory.open( 75 76 77 new 78 79 80 File(indexPath)); 81 82 IndexWriterConfig indexWriterConfig 83 84 85 = 86 87 88 89 90 91 92 93 new 94 95 96 IndexWriterConfig(Version.LUCENE_45, analyzer); 97 98 indexWriterConfig.setOpenMode(OpenMode.CREATE); 99 100 IndexWriter indexWriter 101 102 103 = 104 105 106 107 108 109 110 111 new 112 113 114 IndexWriter(fsDirectory_Merged, indexWriterConfig); 115 116 117 118 119 // 120 121 122 forceMerge(1)可以把所以的段合并成1个，但是每次都会增加一份， 123 124 125 126 127 // 128 129 130 就是像拷贝了一份加入一样 131 132 133 134 135 // 136 137 138 难道是该指定OpenMode.CREATE,如果指定了CREATE， 139 140 141 142 143 // 144 145 146 但是呢IndexWriter里面没有添加doc索引(即addDoc等方法)， 147 148 149 150 151 // 152 153 154 所以写进去就编程空索引库了，于是需要先读出来再写回 155 156 157 158 159 // 160 161 162 于是还应该把索引加到writer里面 163 164 165 166 167 // 168 169 170 171 172 173 174 175 // 176 177 178 把自己加入进去，然后再用每次都create的办法保持不会新增 179 180 181 182 183 // 184 185 186 注意不能添加到自己，所以还得新建一个库才可以,这样就不会叠加了 187 188 189 190 191 192 193 194 indexWriter.addIndexes(fsDirectory); 195 196 indexWriter.commit(); 197 198 indexWriter.forceMerge( 199 200 201 1 202 203 204 ); 205 206 indexWriter.close(); 207 208} 209 210 211 212 213
分词器（Analyzer）
在前面的概念介绍中我们已经知道了分析器的作用，就是把句子按照语义切分成一个个词语。英文切分已经有了很成熟的分析器： StandardAnalyzer，很多情况下StandardAnalyzer是个不错的选择。甚至你会发现StandardAnalyzer也能对中文进行分词。
但是我们的焦点是中文分词，StandardAnalyzer能支持中文分词吗？实践证明是可以的，但是效果并不好，搜索“如果” 会把“牛奶不如果汁好喝”也搜索出来，而且索引文件很大。那么我们手头上还有什么分析器可以使用呢？core里面没有，我们可以在sandbox里面找到两个： ChineseAnalyzer和CJKAnalyzer。但是它们同样都有分词不准的问题。相比之下用StandardAnalyzer和 ChineseAnalyzer建立索引时间差不多，索引文件大小也差不多，CJKAnalyzer表现会差些，索引文件大且耗时比较长。
要解决问题，首先分析一下这三个分析器的分词方式。StandardAnalyzer和ChineseAnalyzer都是把句子按单个字切分，也就是说 “牛奶不如果汁好喝”会被它们切分成“牛 奶 不 如 果 汁 好 喝”；而CJKAnalyzer则会切分成“牛奶 奶不 不如 如果 果汁 汁好好喝”。这也就解释了为什么搜索“果汁”都能匹配这个句子。
以上分词的缺点至少有两个：匹配不准确和索引文件大。我们的目标是将上面的句子分解成 “牛奶 不如 果汁好喝”。这里的关键就是语义识别，我们如何识别“牛奶”是一个词而“奶不”不是词语？我们很自然会想到基于词库的分词法，也就是我们先得到一个词库，里面列举了大部分词语，我们把句子按某种方式切分，当得到的词语与词库中的项匹配时，我们就认为这种切分是正确的。这样切词的过程就转变成匹配的过程，而匹配的方式最简单的有正向最大匹配和逆向最大匹配两种，说白了就是一个从句子开头向后进行匹配，一个从句子末尾向前进行匹配。基于词库的分词词库非常重要，词库的容量直接影响搜索结果，在相同词库的前提下，据说逆向最大匹配优于正向最大匹配。
当然还有别的分词方法，这本身就是一个学科，我这里也没有深入研究。回到具体应用，我们的目标是能找到成熟的、现成的分词工具，避免重新发明车轮。经过网上搜索，用的比较多的是中科院的 ICTCLAS和一个不开放源码但是免费的JE-Analysis。ICTCLAS有个问题是它是一个动态链接库， java调用需要本地方法调用，不方便也有安全隐患，而且口碑也确实不大好。JE-Analysis效果还不错，当然也会有分词不准的地方，相比比较方便放心。
下面就是分词器的例子:
1 /** 2 3 4 5 6 * <pre> 7 8 * 测试分词器的,分词器分出来的关键字我们叫做Token 9 10 * 分词器一般需要完成的工作是： 11 12 * 1.词组拆分 13 14 * 2.去掉停用词 15 16 * 3.大小写转换 17 18 * 4.词根还原 19 20 * 21 22 * 对于中文分词，通常有3种：单词分词，二分法，词典分词。 23 24 * 单词分词：就分成一个一个的单个字，比如{ 25 26 27 @link 28 29 30 StandardAnalyzer}， 31 32* 如分成 我-们-是-中-国-人 33 34 * 二分法分词：按2个字分词，即 我们-们是-是中-中国-国人，实现是是 35 36* { 37 38 39 @link 40 41 42 CJKAnalyzer} 43 44 * 词典分词：按照某种算法构造词，然后把词拿到词典里面找，如果是词，就算对了。 45 46* 这是目前的好用的,可以分词成 我们-中国人， 47 48* 好用的有【极易分词：MMAnalyzer】,还有就是【庖丁分词】目前没有找到适用于4.5的。 49 50 * 还有一个牛的，是中科院的。能分出帽子和服装。这些需要外界提供，需要下载jar包 51 52 * </pre> 53 54 * 55 56 * 57 58 59 @author 60 61 62 LiFeng 63 64 * 65 66 67 68 69 */ 70 71 72 73 74 75 76 77 public 78 79 80 81 82 83 class 84 85 86 AnalyzerTest { 87 88String enString 89 90 91 = 92 93 94 95 96 97 98 99 " 100 101 102 it must be made available under this Agreement,”+ 103 104 105 106 107 108 109 110” 111 112 113 for 114 115 116 more information : infor.doc 117 118 119 " 120 121 122 ; 123 124 125 126 127 128 129 130String zhString 131 132 133 = 134 135 136 137 138 139 " 140 141 142 你好，我是中国人，我的名字是李锋。 143 144 145 " 146 147 148 ; 149 150 151 152 153 // 154 155 156 这个分词器用于英文的，没有形态还原 157 158 159 160 161 // 162 163 164 如果拿去分中文的话，每一个字都被拆开了，测试下就晓得了 165 166 167 168 169 170 171 172Analyzer enAnalyzer 173 174 175 = 176 177 178 179 180 181 new 182 183 184 StandardAnalyzer(Version.LUCENE_45); 185 186 187 188 189 // 190 191 192 可以按点分开,没有形态还原 193 194 195 196 197 // 198 199 200 对于中文的话，他也只按标点分：你好 我是中国人 我的名字是李锋这3个token 201 202 203 204 205 206 207 208Analyzer simpleAnalyzer 209 210 211 = 212 213 214 215 216 217 new 218 219 220 SimpleAnalyzer(Version.LUCENE_45); 221 222 223 224 225 // 226 227 228 分中文就是二分法 229 230 231 232 233 // 234 235 236 分英文就是：单词分开就完了 237 238 239 240 241 242 243 244Analyzer cjkAnalyzer 245 246 247 = 248 249 250 251 252 253 new 254 255 256 CJKAnalyzer(Version.LUCENE_45); 257 258 259 260 261 // 262 263 264 lucene4.5使用je-analysis-1.5.3.jar会崩溃，因为好多都改了 265 266 267 268 269 270 271 272Analyzer jeAnalyzer 273 274 275 = 276 277 278 279 280 281 new 282 283 284 MMAnalyzer(); 285 286 287 // 288 289 290 词库分词，比如极易 291 292 293 294 295 296 297 298String testString 299 300 301 = 302 303 304 enString; 305 306Analyzer testAnalyzer 307 308 309 = 310 311 312 jeAnalyzer; 313 314 315 316 317 /** 318 319 320 321 322 * 得到分词器拆分出来的关键字(Token) 323 324 * 325 326 * 327 328 329 @throws 330 331 332 IOException 333 334 335 336 337 */ 338 339 340 341 342@Test 343 344 345 346 347 public 348 349 350 351 352 353 void 354 355 356 testGetTokens() 357 358 359 throws 360 361 362 IOException { 363 364 365 366 367 // 368 369 370 得到分出来的词流 371 372 373 374 375 // 376 377 378 fileName就是我们当时创建document时一样的意思 379 380 381 382 383 // 384 385 386 我们这里是要得到分出的词，跟他要归属哪个filed无关，所以不用管 387 388 389 390 391 // 392 393 394 查看enAnalyzer的tokenStream的帮助，他叫们参考： 395 396 397 398 399 // 400 401 402 See the Analysis package documentation for some examples 403 404 405 406 407 // 408 409 410 demonstrating this. 411 412 413 414 415 // 416 417 418 于是打开对于的文档如下： 419 420 421 422 423 // 424 425 426 docs/core/org/apache/lucene/analysis/ 427 428 429 430 431 // 432 433 434 package-summary.html#package_description 435 436 437 438 439 // 440 441 442 这里面会有例子的！！！ 443 444 445 446 447 // 448 449 450 下面是文档的例子 451 452 453 454 455 456 457 458{ 459 460 461 // 462 463 464 分词器把文本分词token流 465 466 467 468 469 470 471 472TokenStream tokenStream 473 474 475 = 476 477 478 testAnalyzer.tokenStream( 479 480 481 482 483 " 484 485 486 myfield 487 488 489 " 490 491 492 , 493 494 495 new 496 497 498 StringReader(testString)); 499 500OffsetAttribute offsetAtt 501 502 503 = 504 505 506 507 508tokenStream.addAttribute(OffsetAttribute. 509 510 511 class 512 513 514 ); 515 516 517 518 519 try 520 521 522 { 523 524 525 526 527 // 528 529 530 Resets this stream to the beginning. (Required) 531 532 533 534 535 536 537 538tokenStream.reset(); 539 540 541 542 543 while 544 545 546 (tokenStream.incrementToken()) { 547 548 549 550 551 // 552 553 554 这里传入true就可以看到更详细的信息，调试用很好 555 556 557 558 559 // 560 561 562 打印token的信息 563 564 565 566 567 568 569 570System.out.println( 571 572 573 " 574 575 576 token: 577 578 579 " 580 581 582 583 584 585 + 586 587 588 589 590tokenStream.reflectAsString( 591 592 593 false 594 595 596 )); 597 598 599 600 601 // 602 603 604 可以去除token存放的开始和结束 605 606 607 608 609 // 610 611 612 System.out.println("token start offset: " 613 614 615 616 617 // 618 619 620 + offsetAtt.startOffset()); 621 622 623 624 625 // 626 627 628 System.out.println(" token end offset: " 629 630 631 632 633 // 634 635 636 + offsetAtt.endOffset()); 637 638 639 640 641 642 643 644} 645 646tokenStream.end(); 647 648} 649 650 651 finally 652 653 654 { 655 656 657 658 659 // 660 661 662 Release resources associated with this stream. 663 664 665 666 667 668 669 670tokenStream.close(); 671 672} 673 674} 675 676} 677 678} 679 680 681 682 683
高亮器highlighter
高亮器帮我们做两件事，第一件就是搜索结果的摘要，第二件事就是整体内容的关键字高亮。
高亮的原理就是在关键字周围加上html标签就是了。
1 String indexPath 2 3 4 = 5 6 7 8 9 10 " 11 12 13 D:\\WorkspacesForAll\\Lucene\\Lucene-00010-HelloWorld\\lf_index 14 15 16 " 17 18 19 ; 20 21Analyzer analyzer 22 23 24 = 25 26 27 28 29 30 new 31 32 33 StandardAnalyzer(Version.LUCENE_45); 34 35@Test 36 37 38 39 40 public 41 42 43 44 45 46 void 47 48 49 testHightlight() 50 51 52 throws 53 54 55 IOException, 56 57InvalidTokenOffsetsException 58 59{ 60 61 62 63 64 // 65 66 67 查询fileContent字段的reproduce关键字 68 69 70 71 72 // 73 74 75 这里的filed指定就是用于找到符合的document 76 77 78 79 80 // 81 82 83 在高亮器初始化的时候Scorer类也用到了这个query 84 85 86 87 88 // 89 90 91 其实过程就是： 92 93 94 95 96 // 97 98 99 1.先把某个域出现关键字的doc全部找出来 100 101 102 103 104 // 105 106 107 2.再用高亮器，在找到的文章中， 108 109 110 111 112 // 113 114 115 把指定域的内容提取一部分有关键字的文本，加上高亮就完毕了 116 117 118 119 120 121 122 123Query query 124 125 126 = 127 128 129 130 131 132 new 133 134 135 TermQuery( 136 137 138 139 140 new 141 142 143 Term( 144 145 146 " 147 148 149 fileContent 150 151 152 " 153 154 155 , 156 157 158 " 159 160 161 reproduce 162 163 164 " 165 166 167 )); 168 169 170 171 172 // 173 174 175 高亮器的初始化准备 176 177 178 179 180 181 182 183Highlighter highlighter 184 185 186 = 187 188 189 190 191 192 null 193 194 195 ; 196 197{ 198 199Formatter formatter 200 201 202 = 203 204 205 206 207 208 new 209 210 211 SimpleHTMLFormatter( 212 213 214 215 216 " 217 218 219 <font color='red'> 220 221 222 " 223 224 225 , 226 227 228 " 229 230 231 </font> 232 233 234 " 235 236 237 ); 238 239Scorer fragmentScorer 240 241 242 = 243 244 245 246 247 248 new 249 250 251 QueryScorer(query); 252 253highlighter 254 255 256 = 257 258 259 260 261 262 new 263 264 265 Highlighter(formatter, fragmentScorer); 266 267 268 269 270 // 271 272 273 摘要只取50个字符 274 275 276 277 278 279 280 281Fragmenter fragmenter 282 283 284 = 285 286 287 288 289 290 new 291 292 293 SimpleFragmenter( 294 295 296 50 297 298 299 ); 300 301highlighter.setTextFragmenter(fragmenter); 302 303} 304 305IndexReader indexReader 306 307 308 = 309 310 311 DirectoryReader.open( 312 313FSDirectory.open( 314 315 316 new 317 318 319 File(indexPath))); 320 321IndexSearcher searcher 322 323 324 = 325 326 327 328 329 330 new 331 332 333 IndexSearcher(indexReader); 334 335TopDocs topDocs 336 337 338 = 339 340 341 searcher.search(query, 342 343 344 null 345 346 347 , 348 349 350 1000 351 352 353 ); 354 355System.out.println( 356 357 358 " 359 360 361 找到【 362 363 364 " 365 366 367 + 368 369 370 topDocs.totalHits 371 372 373 + 374 375 376 " 377 378 379 】个： 380 381 382 " 383 384 385 ); 386 387 388 389 390 for 391 392 393 ( 394 395 396 int 397 398 399 i 400 401 402 = 403 404 405 406 407 408 0 409 410 411 ; i 412 413 414 < 415 416 417 topDocs.scoreDocs.length; i 418 419 420 ++ 421 422 423 ) { 424 425 426 427 428 int 429 430 431 docId 432 433 434 = 435 436 437 topDocs.scoreDocs[i].doc; 438 439Document document 440 441 442 = 443 444 445 searcher.doc(docId); 446 447 448 449 450 // 451 452 453 用高亮器返回摘要 454 455 456 457 458 // 459 460 461 参数1就是用指定的分词器， 462 463 464 465 466 // 467 468 469 参数2目前不知道咋用 470 471 472 473 474 // 475 476 477 参数3就是我们需要处理哪一段文本的数据，把这段文件实现高亮并返回摘要 478 479 480 481 482 // 483 484 485 返回的就是高亮之后的摘要了，没有就是null 486 487 488 489 490 491 492 493String ret 494 495 496 = 497 498 499 highlighter.getBestFragment( 500 501analyzer, 502 503 504 " 505 506 507 anyString 508 509 510 " 511 512 513 ,document.get( 514 515 516 " 517 518 519 fileContent 520 521 522 " 523 524 525 ) ); 526 527 528 529 530 // 531 532 533 String ret = highlighter.getBestFragment( 534 535 536 537 538 // 539 540 541 analyzer, "anyString",document.get("noThisFiled") ); 542 543 544 545 546 547 548 549 550 551 552 if 553 554 555 (ret 556 557 558 != 559 560 561 562 563 564 null 565 566 567 ) { 568 569System.out.println(ret); 570 571} 572 573 574 else 575 576 577 { 578 579String defaultString 580 581 582 = 583 584 585 document.get( 586 587 588 " 589 590 591 fileContent 592 593 594 " 595 596 597 ); 598 599System.out.println( 600 601 602 " 603 604 605 不高亮： 606 607 608 " 609 610 611 + 612 613 614 defaultString); 615 616} 617 618} 619 620} 621 622 623 624 625
查询
查询有两种大类：
第一种是使用查询字符串，有查询语法的。就像直接输入sql语句一样。
第二种就是查询对象，即用query类来组合成复杂查询。这个在概述的时候已经讲过了。
对象查询：
常用的有：TermQuery，BooleanQuery，WildcardQuery，PhraseQuery，PrefixQuery，TermRangeQuery等查询。对象查询对应的语法可以直接打印出来system.out.println(query);
TermQuery:
如果你想执行一个这样的查询：“在content域中包含‘lucene’的document”，那么你可以用TermQuery：
Term t = new Term("content", " lucene");
Query query = new TermQuery(t);
BooleanQuery
多个query的【与或】关系的查询
如果你想这么查询：“在content域中包含java或perl的document”，那么你可以建立两个TermQuery并把它们用BooleanQuery连接起来：
TermQuery termQuery1 = new TermQuery(new Term("content", "java");
TermQuery termQuery 2 = new TermQuery(new Term("content", "perl");
BooleanQuery booleanQuery = new BooleanQuery();
booleanQuery.add(termQuery1, BooleanClause.Occur.SHOULD);
booleanQuery.add(termQuery2, BooleanClause.Occur.SHOULD);
反正这个就是lucene的东西,记到就是了
WildcardQuery
通配符的查询
如果你想对某单词进行通配符查询，你可以用WildcardQuery，通配符包括’?’匹配一个任意字符和’*’匹配零个或多个任意字符，例如你搜索’use*’，你可能找到’useful’或者’useless’：
Query query = new WildcardQuery(new Term("content", "use*");
PhraseQuery
在指定的文字距离内出现的词的查询
你可能对中日关系比较感兴趣，想查找‘中’和‘日’挨得比较近（5个字的距离内）的文章，超过这个距离的不予考虑，你可以：
PhraseQuery query = new PhraseQuery();
query.setSlop(5);
query.add(new Term("content ", “中”));
query.add(new Term(“content”, “日”));
那么它可能搜到“中日合作……”、“中方和日方……”，但是搜不到“中国某高层领导说日本欠扁”。
PrefixQuery
查询词语是以某字符开头的
如果你想搜以‘中’开头的词语，你可以用PrefixQuery：
PrefixQuery query = new PrefixQuery(new Term("content ", "中");
FuzzyQuery ： 相似的搜索
FuzzyQuery用来搜索相似的term，使用Levenshtein算法。假设你想搜索跟‘wuzza’相似的词语，你可以：
Query query = new FuzzyQuery(new Term("content", "wuzza");
你可能得到‘fuzzy’和‘wuzzy’。
TermRangeQuery
范围查询：范围内搜索
你也许想搜索时间域从20060101到20060130之间的document，你可以用TermRangeQuery：
TermRangeQuery query2 = TermRangeQuery.newStringRange("time", "20060101", "20060130", true, true);
最后的true表示用闭合区间。
查询语法
官方的文档里面有: lucene-4.5.0\docs\index.html里面就有如下的链接，可以查看。
我们直接调用query的toString就可以得到他们的查询语法。
查询某field的关键字，对应的对象就是TermQuery，我们大印就知道了，格式是：
[域名字]:[查找的关键字]，比如fileContent:absc,就是查找fileContent域的关键字asbsc.
下面是总结：
如果遇到类找不到，那么就多半是jar包有的没有导入，下面的代码就会说明这点
需要使用QueryParser需要的jar等下面都有说明：
lucene-queryparser-4.5.0.jar -à 用于QueryParser
lucene-queries-4.5.0.jar -à 有些查询会用到，比如通配符查询
lucene-memory-4.5.0.jar -à 有些查询会用到，所以都导入就是了
TermQuery可以用“field:key”方式，例如“content:lucene”。
BooleanQuery中‘与’用‘+’，‘或’用‘ ’，例如“content:java contenterl”。
WildcardQuery仍然用‘?’和‘*’，例如“content:use*”。
PhraseQuery用‘~’，例如“content:"中日"~5”。
PrefixQuery用‘*’，例如“中*”。
FuzzyQuery用‘~’，例如“content: wuzza ~”。
RangeQuery用‘[]’或‘{}’，前者表示闭区间，后者表示开区间，例如“time:[20060101 TO 20060130]”，注意TO区分大小写。
你可以任意组合query string，完成复杂操作，例如“标题或正文包括lucene，并且时间在20060101到20060130之间的文章”可以表示为：“+ (title:lucene content:lucene) +time:[20060101 TO 20060130]”。
下面是代码:
1 1 2 3 4 /** 5 6 7 8 9 10 11 2 12 13 14 15 16 17 18 3 19 20 21 * 学习查询语句的例子。 22 23 24 25 4 26 27 28 29 30 31 32 5 33 34 35 * 查询分两种： 36 37 38 39 6 40 41 42 43 44 45 46 7 47 48 49 * 一个是使用查询字符串。 50 51 52 53 8 54 55 56 57 58 59 60 9 61 62 63 * 另一个就是使用对象来查询，这个对象就是{ 64 65 66 @link 67 68 69 Query}对象的子类来查询 70 71 72 73 10 74 75 76 77 78 79 80 11 81 82 83 * 84 85 86 87 12 88 89 90 91 92 93 94 13 95 96 97 * 对象查询的话有几个几个很重要： 98 99 100 101 14 102 103 104 105 106 107 108 15 109 110 111 * 112 113 114 @author 115 116 117 LiFeng 118 119 120 121 16 122 123 124 125 126 127 128 17 129 130 131 * 132 133 134 135 18 136 137 138 139 140 141 142 19 143 144 145 146 147 148 */ 149 150 151 152 153 154 155 20 156 157 158 159 160 161 162 21 163 164 165 166 167 168 public 169 170 171 172 173 174 class 175 176 177 QueryTest { 178 179 180 181 22 182 183 184 185 186 187 188 23 189 190 191 String indexPath 192 193 194 = 195 196 197 “ 198 199 200 ****** 201 202 203 Lucene 204 205 206 - 207 208 209 00010 210 211 212 - 213 214 215 HelloWorld\\lf_index 216 217 218 " 219 220 221 ; 222 223 224 225 226 227 228 24 229 230 231 232 233 234 235 236 237 238 25 239 240 241 Analyzer analyzer 242 243 244 = 245 246 247 248 249 250 new 251 252 253 StandardAnalyzer(Version.LUCENE_45); 254 255 256 257 26 258 259 260 261 262 263 264 27 265 266 267 268 269 270 /** 271 272 273 274 275 276 277 28 278 279 280 281 282 283 284 29 285 286 287 * 用查询字符串查询 288 289 290 291 30 292 293 294 295 296 297 298 31 299 300 301 * 如果qString中指定了查询的域"fileContent:abdc"， 302 303 304 305 32 306 307 308 309 310 311 312 33 313 314 315 * 那么QueryParser构造时的指定的域就被覆盖。 316 317 318 319 34 320 321 322 323 324 325 326 35 327 328 329 * 如果qString中没有指定域"abdc"，那么就用QueryParser构造时的指定的域。 330 331 332 333 36 334 335 336 337 338 339 340 37 341 342 343 * 344 345 346 @param 347 348 349 qString 350 351 352 353 38 354 355 356 357 358 359 360 39 361 362 363 * 364 365 366 @throws 367 368 369 ParseException 370 371 372 373 40 374 375 376 377 378 379 380 41 381 382 383 384 385 386 */ 387 388 389 390 391 392 393 42 394 395 396 397 398 399 400 43 401 402 403 404 405 406 public 407 408 409 410 411 412 void 413 414 415 queryData(String qString) 416 417 418 throws 419 420 421 ParseException 422 423 424 425 44 426 427 428 429 430 431 432 45 433 434 435 { 436 437 438 439 46 440 441 442 443 444 445 446 47 447 448 449 450 451 452 // 453 454 455 如果qString没有指定域就会用这个域来查询 456 457 458 459 460 461 462 48 463 464 465 466 467 468 469 470 471 472 49 473 474 475 QueryParser parser 476 477 478 = 479 480 481 482 483 484 485 50 486 487 488 489 490 491 492 51 493 494 495 496 497 498 new 499 500 501 QueryParser(Version.LUCENE_45, 502 503 504 " 505 506 507 fileContent 508 509 510 " 511 512 513 , analyzer); 514 515 516 517 52 518 519 520 521 522 523 524 53 525 526 527 queryData(parser.parse(qString)); 528 529 530 531 54 532 533 534 535 536 537 538 55 539 540 541 } 542 543 544 545 56 546 547 548 549 550 551 552 57 553 554 555 556 557 558 /** 559 560 561 562 563 564 565 58 566 567 568 569 570 571 572 59 573 574 575 * 默认在fileContent域中查找高亮的数据 576 577 578 579 60 580 581 582 583 584 585 586 61 587 588 589 * 590 591 592 @param 593 594 595 query 596 597 598 599 62 600 601 602 603 604 605 606 63 607 608 609 610 611 612 */ 613 614 615 616 617 618 619 64 620 621 622 623 624 625 626 65 627 628 629 630 631 632 public 633 634 635 636 637 638 void 639 640 641 queryData(Query query) 642 643 644 645 66 646 647 648 649 650 651 652 67 653 654 655 { 656 657 658 659 68 660 661 662 663 664 665 666 69 667 668 669 System.out.println( 670 671 672 " 673 674 675 Query: 676 677 678 " 679 680 681 + 682 683 684 query); 685 686 687 688 70 689 690 691 692 693 694 695 71 696 697 698 String fieldForHighLight 699 700 701 = 702 703 704 705 706 707 " 708 709 710 fileContent 711 712 713 " 714 715 716 ; 717 718 719 720 72 721 722 723 724 725 726 727 73 728 729 730 731 732 733 // 734 735 736 高亮器的初始化准备 737 738 739 740 741 742 743 74 744 745 746 747 748 749 750 751 752 753 75 754 755 756 Highlighter highlighter 757 758 759 = 760 761 762 763 764 765 null 766 767 768 ; 769 770 771 772 76 773 774 775 776 777 778 779 77 780 781 782 { 783 784 785 786 78 787 788 789 790 791 792 793 79 794 795 796 Formatter formatter 797 798 799 = 800 801 802 803 804 805 new 806 807 808 SimpleHTMLFormatter( 809 810 811 812 80 813 814 815 816 817 818 819 81 820 821 822 823 824 825 " 826 827 828 <font color='red'> 829 830 831 " 832 833 834 , 835 836 837 " 838 839 840 </font> 841 842 843 " 844 845 846 ); 847 848 849 850 82 851 852 853 854 855 856 857 83 858 859 860 Scorer fragmentScorer 861 862 863 = 864 865 866 867 868 869 new 870 871 872 QueryScorer(query); 873 874 875 876 84 877 878 879 880 881 882 883 85 884 885 886 highlighter 887 888 889 = 890 891 892 893 894 895 new 896 897 898 Highlighter(formatter, fragmentScorer); 899 900 901 902 86 903 904 905 906 907 908 909 87 910 911 912 913 914 915 // 916 917 918 摘要只取50个字符 919 920 921 922 923 924 925 88 926 927 928 929 930 931 932 933 934 935 89 936 937 938 Fragmenter fragmenter 939 940 941 = 942 943 944 945 946 947 new 948 949 950 SimpleFragmenter( 951 952 953 50 954 955 956 ); highlighter.setTextFragmenter(fragmenter); 957 958 959 960 90 961 962 963 964 965 966 967 91 968 969 970 } 971 972 973 974 92 975 976 977 978 979 980 981 93 982 983 984 IndexReader indexReader 985 986 987 = 988 989 990 991 992 993 null 994 995 996 ; 997 998 999 1000 94 1001 1002 1003 1004 1005 1006 1007 95 1008 1009 1010 1011 1012 1013 try 1014 1015 1016 { 1017 1018 1019 1020 96 1021 1022 1023 1024 1025 1026 1027 97 1028 1029 1030 indexReader 1031 1032 1033 = 1034 1035 1036 DirectoryReader.open( 1037 1038 1039 1040 98 1041 1042 1043 1044 1045 1046 1047 99 1048 1049 1050 FSDirectory.open( 1051 1052 1053 new 1054 1055 1056 File(indexPath))); 1057 1058 1059 1060 100 1061 1062 1063 1064 1065 1066 1067 101 1068 1069 1070 IndexSearcher searcher 1071 1072 1073 = 1074 1075 1076 1077 1078 1079 new 1080 1081 1082 IndexSearcher(indexReader); 1083 1084 1085 1086 102 1087 1088 1089 1090 1091 1092 1093 103 1094 1095 1096 TopDocs topDocs 1097 1098 1099 = 1100 1101 1102 searcher.search(query, 1103 1104 1105 1000 1106 1107 1108 ); 1109 1110 1111 1112 104 1113 1114 1115 1116 1117 1118 1119 105 1120 1121 1122 1123 1124 1125 // 1126 1127 1128 打印结果 1129 1130 1131 1132 1133 1134 1135 106 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 107 1146 1147 1148 { 1149 1150 1151 1152 108 1153 1154 1155 1156 1157 1158 1159 109 1160 1161 1162 System.out.println( 1163 1164 1165 " 1166 1167 1168 总共有【 1169 1170 1171 " 1172 1173 1174 + 1175 1176 1177 topDocs.totalHits 1178 1179 1180 + 1181 1182 1183 1184 1185 1186 1187 110 1188 1189 1190 1191 1192 1193 1194 111 1195 1196 1197 1198 1199 1200 " 1201 1202 1203 】条匹配结果 1204 1205 1206 " 1207 1208 1209 ); 1210 1211 1212 1213 112 1214 1215 1216 1217 1218 1219 1220 113 1221 1222 1223 1224 1225 1226 // 1227 1228 1229 这是返回的数据 1230 1231 1232 1233 1234 1235 1236 114 1237 1238 1239 1240 1241 1242 1243 1244 1245 1246 115 1247 1248 1249 1250 1251 1252 for 1253 1254 1255 ( 1256 1257 1258 int 1259 1260 1261 i 1262 1263 1264 = 1265 1266 1267 1268 1269 1270 0 1271 1272 1273 ; i 1274 1275 1276 < 1277 1278 1279 topDocs.scoreDocs.length; i 1280 1281 1282 ++ 1283 1284 1285 ) { 1286 1287 1288 1289 116 1290 1291 1292 1293 1294 1295 1296 117 1297 1298 1299 1300 1301 1302 int 1303 1304 1305 docId 1306 1307 1308 = 1309 1310 1311 topDocs.scoreDocs[i].doc; 1312 1313 1314 1315 118 1316 1317 1318 1319 1320 1321 1322 119 1323 1324 1325 Document hittedDocument 1326 1327 1328 = 1329 1330 1331 searcher.doc(docId); 1332 1333 1334 1335 120 1336 1337 1338 1339 1340 1341 1342 121 1343 1344 1345 1346 1347 1348 // 1349 1350 1351 用高亮器返回摘要 1352 1353 1354 1355 122 1356 1357 1358 1359 1360 1361 1362 123 1363 1364 1365 1366 1367 1368 // 1369 1370 1371 参数1就是用指定的分词器， 1372 1373 1374 1375 124 1376 1377 1378 1379 1380 1381 1382 125 1383 1384 1385 1386 1387 1388 // 1389 1390 1391 参数2目前不知道咋用 1392 1393 1394 1395 126 1396 1397 1398 1399 1400 1401 1402 127 1403 1404 1405 1406 1407 1408 // 1409 1410 1411 参数3就是我们需要处理哪一段文本的数据， 1412 1413 1414 1415 128 1416 1417 1418 1419 1420 1421 1422 129 1423 1424 1425 1426 1427 1428 // 1429 1430 1431 把这段文件实现高亮并返回摘要 1432 1433 1434 1435 130 1436 1437 1438 1439 1440 1441 1442 131 1443 1444 1445 1446 1447 1448 // 1449 1450 1451 返回的就是高亮之后的摘要了，没有就是null 1452 1453 1454 1455 1456 1457 1458 132 1459 1460 1461 1462 1463 1464 1465 1466 1467 1468 133 1469 1470 1471 String ret 1472 1473 1474 = 1475 1476 1477 highlighter.getBestFragment( 1478 1479 1480 1481 134 1482 1483 1484 1485 1486 1487 1488 135 1489 1490 1491 analyzer, 1492 1493 1494 1495 136 1496 1497 1498 1499 1500 1501 1502 137 1503 1504 1505 1506 1507 1508 " 1509 1510 1511 anyString 1512 1513 1514 " 1515 1516 1517 , 1518 1519 1520 1521 138 1522 1523 1524 1525 1526 1527 1528 139 1529 1530 1531 hittedDocument.get(fieldForHighLight) ); 1532 1533 1534 1535 140 1536 1537 1538 1539 1540 1541 1542 141 1543 1544 1545 1546 1547 1548 if 1549 1550 1551 (ret 1552 1553 1554 != 1555 1556 1557 1558 1559 1560 null 1561 1562 1563 ) { 1564 1565 1566 1567 142 1568 1569 1570 1571 1572 1573 1574 143 1575 1576 1577 System.out.println(ret); 1578 1579 1580 1581 144 1582 1583 1584 1585 1586 1587 1588 145 1589 1590 1591 } 1592 1593 1594 else 1595 1596 1597 { 1598 1599 1600 // 1601 1602 1603 没有找到就输出全文 1604 1605 1606 1607 1608 1609 1610 146 1611 1612 1613 1614 1615 1616 1617 1618 1619 1620 147 1621 1622 1623 String defaultString 1624 1625 1626 = 1627 1628 1629 1630 1631 1632 1633 148 1634 1635 1636 1637 1638 1639 1640 149 1641 1642 1643 hittedDocument.get(fieldForHighLight); 1644 1645 1646 1647 150 1648 1649 1650 1651 1652 1653 1654 151 1655 1656 1657 System.out.println( 1658 1659 1660 " 1661 1662 1663 不高亮： 1664 1665 1666 " 1667 1668 1669 + 1670 1671 1672 defaultString); 1673 1674 1675 1676 152 1677 1678 1679 1680 1681 1682 1683 153 1684 1685 1686 } 1687 1688 1689 1690 154 1691 1692 1693 1694 1695 1696 1697 155 1698 1699 1700 } 1701 1702 1703 1704 156 1705 1706 1707 1708 1709 1710 1711 157 1712 1713 1714 } 1715 1716 1717 1718 158 1719 1720 1721 1722 1723 1724 1725 159 1726 1727 1728 indexReader.close(); 1729 1730 1731 1732 160 1733 1734 1735 1736 1737 1738 1739 161 1740 1741 1742 indexReader 1743 1744 1745 = 1746 1747 1748 1749 1750 1751 null 1752 1753 1754 ; 1755 1756 1757 1758 162 1759 1760 1761 1762 1763 1764 1765 163 1766 1767 1768 } 1769 1770 1771 catch 1772 1773 1774 (Exception e) { 1775 1776 1777 1778 164 1779 1780 1781 1782 1783 1784 1785 165 1786 1787 1788 e.printStackTrace(); 1789 1790 1791 1792 166 1793 1794 1795 1796 1797 1798 1799 167 1800 1801 1802 } 1803 1804 1805 finally 1806 1807 1808 1809 1810 1811 1812 168 1813 1814 1815 1816 1817 1818 1819 169 1820 1821 1822 { 1823 1824 1825 1826 170 1827 1828 1829 1830 1831 1832 1833 171 1834 1835 1836 1837 1838 1839 if 1840 1841 1842 (indexReader 1843 1844 1845 != 1846 1847 1848 1849 1850 1851 null 1852 1853 1854 ) { 1855 1856 1857 1858 172 1859 1860 1861 1862 1863 1864 1865 173 1866 1867 1868 1869 1870 1871 try 1872 1873 1874 { 1875 1876 1877 1878 174 1879 1880 1881 1882 1883 1884 1885 175 1886 1887 1888 indexReader.close(); 1889 1890 1891 1892 176 1893 1894 1895 1896 1897 1898 1899 177 1900 1901 1902 } 1903 1904 1905 catch 1906 1907 1908 (IOException e) { 1909 1910 1911 1912 178 1913 1914 1915 1916 1917 1918 1919 179 1920 1921 1922 e.printStackTrace(); 1923 1924 1925 1926 180 1927 1928 1929 1930 1931 1932 1933 181 1934 1935 1936 } 1937 1938 1939 1940 182 1941 1942 1943 1944 1945 1946 1947 183 1948 1949 1950 } 1951 1952 1953 1954 184 1955 1956 1957 1958 1959 1960 1961 185 1962 1963 1964 } 1965 1966 1967 1968 186 1969 1970 1971 1972 1973 1974 1975 187 1976 1977 1978 } 1979 1980 1981 1982 188 1983 1984 1985 1986 1987 1988 1989 189 1990 1991 1992 1993 1994 1995 /** 1996 1997 1998 1999 2000 2001 2002 190 2003 2004 2005 2006 2007 2008 2009 191 2010 2011 2012 * 要使用QueryParser,需要导入包： 2013 2014 2015 2016 192 2017 2018 2019 2020 2021 2022 2023 193 2024 2025 2026 * lucene-4.5.0\queryparser\lucene-queryparser-4.5.0.jar 2027 2028 2029 2030 194 2031 2032 2033 2034 2035 2036 2037 195 2038 2039 2040 * 2041 2042 2043 2044 196 2045 2046 2047 2048 2049 2050 2051 197 2052 2053 2054 * 发现于demon的SearchFiles.java,用的是： 2055 2056 2057 2058 198 2059 2060 2061 2062 2063 2064 2065 199 2066 2067 2068 * org.apache.lucene.queryparser.classic.QueryParser 2069 2070 2071 2072 200 2073 2074 2075 2076 2077 2078 2079 201 2080 2081 2082 * 2083 2084 2085 @throws 2086 2087 2088 ParseException 2089 2090 2091 2092 202 2093 2094 2095 2096 2097 2098 2099 203 2100 2101 2102 2103 2104 2105 */ 2106 2107 2108 2109 2110 2111 2112 204 2113 2114 2115 2116 2117 2118 2119 205 2120 2121 2122 @Test 2123 2124 2125 2126 206 2127 2128 2129 2130 2131 2132 2133 207 2134 2135 2136 2137 2138 2139 public 2140 2141 2142 2143 2144 2145 void 2146 2147 2148 queryByQueryString() 2149 2150 2151 throws 2152 2153 2154 ParseException 2155 2156 2157 2158 208 2159 2160 2161 2162 2163 2164 2165 209 2166 2167 2168 { 2169 2170 2171 2172 210 2173 2174 2175 2176 2177 2178 2179 211 2180 2181 2182 2183 2184 2185 // 2186 2187 2188 查询字符串,这里关键字大写就可以了，因为经过了分词器 2189 2190 2191 2192 2193 2194 2195 212 2196 2197 2198 2199 2200 2201 2202 2203 2204 2205 213 2206 2207 2208 String qString 2209 2210 2211 = 2212 2213 2214 2215 2216 2217 " 2218 2219 2220 fileContent:Reproduce 2221 2222 2223 " 2224 2225 2226 ; 2227 2228 2229 // 2230 2231 2232 用指定的域 2233 2234 2235 2236 2237 2238 2239 214 2240 2241 2242 2243 2244 2245 2246 2247 2248 2249 215 2250 2251 2252 String qStringNoField 2253 2254 2255 = 2256 2257 2258 2259 2260 2261 " 2262 2263 2264 Reproduce 2265 2266 2267 " 2268 2269 2270 ; 2271 2272 2273 // 2274 2275 2276 用Parser默认的域 2277 2278 2279 2280 2281 2282 2283 216 2284 2285 2286 2287 2288 2289 2290 2291 2292 2293 217 2294 2295 2296 queryData(qStringNoField); 2297 2298 2299 2300 218 2301 2302 2303 2304 2305 2306 2307 219 2308 2309 2310 } 2311 2312 2313 2314 220 2315 2316 2317 2318 2319 2320 2321 221 2322 2323 2324 @Test 2325 2326 2327 2328 222 2329 2330 2331 2332 2333 2334 2335 223 2336 2337 2338 2339 2340 2341 public 2342 2343 2344 2345 2346 2347 void 2348 2349 2350 termQuery() 2351 2352 2353 2354 224 2355 2356 2357 2358 2359 2360 2361 225 2362 2363 2364 { 2365 2366 2367 2368 226 2369 2370 2371 2372 2373 2374 2375 227 2376 2377 2378 2379 2380 2381 // 2382 2383 2384 查询fileContent域的reproduce 2385 2386 2387 2388 228 2389 2390 2391 2392 2393 2394 2395 229 2396 2397 2398 2399 2400 2401 // 2402 2403 2404 注意term里面是没有经过分词器的，因为所有的索引是小写 2405 2406 2407 2408 230 2409 2410 2411 2412 2413 2414 2415 231 2416 2417 2418 2419 2420 2421 // 2422 2423 2424 所以这里需要用小写查询 2425 2426 2427 2428 2429 2430 2431 232 2432 2433 2434 2435 2436 2437 2438 2439 2440 2441 233 2442 2443 2444 Query query 2445 2446 2447 = 2448 2449 2450 2451 2452 2453 new 2454 2455 2456 TermQuery( 2457 2458 2459 2460 234 2461 2462 2463 2464 2465 2466 2467 235 2468 2469 2470 2471 2472 2473 new 2474 2475 2476 Term( 2477 2478 2479 " 2480 2481 2482 fileContent 2483 2484 2485 " 2486 2487 2488 , 2489 2490 2491 " 2492 2493 2494 reproduce 2495 2496 2497 " 2498 2499 2500 )); 2501 2502 2503 2504 236 2505 2506 2507 2508 2509 2510 2511 237 2512 2513 2514 queryData(query); 2515 2516 2517 2518 238 2519 2520 2521 2522 2523 2524 2525 239 2526 2527 2528 } 2529 2530 2531 2532 240 2533 2534 2535 2536 2537 2538 2539 241 2540 2541 2542 2543 2544 2545 /** 2546 2547 2548 2549 2550 2551 2552 242 2553 2554 2555 2556 2557 2558 2559 243 2560 2561 2562 * 短语查询，注意这里有引号 2563 2564 2565 2566 244 2567 2568 2569 2570 2571 2572 2573 245 2574 2575 2576 * 2577 2578 2579 2580 246 2581 2582 2583 2584 2585 2586 2587 247 2588 2589 2590 * fileContent:"advertising features"~5 2591 2592 2593 2594 248 2595 2596 2597 2598 2599 2600 2601 249 2602 2603 2604 * fileContent:"advertising ? ? features" 2605 2606 2607 2608 250 2609 2610 2611 2612 2613 2614 2615 251 2616 2617 2618 2619 2620 2621 */ 2622 2623 2624 2625 2626 2627 2628 252 2629 2630 2631 2632 2633 2634 2635 253 2636 2637 2638 @Test 2639 2640 2641 2642 254 2643 2644 2645 2646 2647 2648 2649 255 2650 2651 2652 2653 2654 2655 public 2656 2657 2658 2659 2660 2661 void 2662 2663 2664 phraseQuery() 2665 2666 2667 2668 256 2669 2670 2671 2672 2673 2674 2675 257 2676 2677 2678 { 2679 2680 2681 2682 258 2683 2684 2685 2686 2687 2688 2689 259 2690 2691 2692 2693 2694 2695 // 2696 2697 2698 比如查询advertising materials mentioning features 2699 2700 2701 2702 260 2703 2704 2705 2706 2707 2708 2709 261 2710 2711 2712 2713 2714 2715 // 2716 2717 2718 2719 2720 2721 2722 262 2723 2724 2725 2726 2727 2728 2729 263 2730 2731 2732 2733 2734 2735 // 2736 2737 2738 再比如想查询lucene *** *** 教程 2739 2740 2741 2742 264 2743 2744 2745 2746 2747 2748 2749 265 2750 2751 2752 2753 2754 2755 // 2756 2757 2758 那么我们可以查询关键词"lucene"和关键词"教程", 2759 2760 2761 2762 266 2763 2764 2765 2766 2767 2768 2769 267 2770 2771 2772 2773 2774 2775 // 2776 2777 2778 然后他们相距5个词之类就行了 2779 2780 2781 2782 268 2783 2784 2785 2786 2787 2788 2789 269 2790 2791 2792 2793 2794 2795 // 2796 2797 2798 2799 2800 2801 2802 270 2803 2804 2805 2806 2807 2808 2809 271 2810 2811 2812 2813 2814 2815 // 2816 2817 2818 查询语句是Query:fileContent:"advertising features"~5 2819 2820 2821 2822 2823 2824 2825 272 2826 2827 2828 2829 2830 2831 2832 2833 2834 2835 273 2836 2837 2838 PhraseQuery query 2839 2840 2841 = 2842 2843 2844 2845 2846 2847 new 2848 2849 2850 PhraseQuery(); 2851 2852 2853 2854 274 2855 2856 2857 2858 2859 2860 2861 275 2862 2863 2864 query.setSlop( 2865 2866 2867 5 2868 2869 2870 ); 2871 2872 2873 // 2874 2875 2876 最多间隔5个字 2877 2878 2879 2880 2881 2882 2883 276 2884 2885 2886 2887 2888 2889 2890 2891 2892 2893 277 2894 2895 2896 query.add( 2897 2898 2899 new 2900 2901 2902 Term( 2903 2904 2905 " 2906 2907 2908 fileContent 2909 2910 2911 " 2912 2913 2914 , 2915 2916 2917 " 2918 2919 2920 advertising 2921 2922 2923 " 2924 2925 2926 )); 2927 2928 2929 2930 278 2931 2932 2933 2934 2935 2936 2937 279 2938 2939 2940 query.add( 2941 2942 2943 new 2944 2945 2946 Term( 2947 2948 2949 " 2950 2951 2952 fileContent 2953 2954 2955 " 2956 2957 2958 , 2959 2960 2961 " 2962 2963 2964 features 2965 2966 2967 " 2968 2969 2970 )); 2971 2972 2973 2974 280 2975 2976 2977 2978 2979 2980 2981 281 2982 2983 2984 queryData(query); 2985 2986 2987 2988 282 2989 2990 2991 2992 2993 2994 2995 283 2996 2997 2998 2999 3000 3001 // 3002 3003 3004 也可以固定位置的指定,如下面0号位置就是advertising， 3005 3006 3007 3008 284 3009 3010 3011 3012 3013 3014 3015 285 3016 3017 3018 3019 3020 3021 // 3022 3023 3024 第3号位置是features。注意这个位置是相对起来的。中间隔2个. 3025 3026 3027 3028 286 3029 3030 3031 3032 3033 3034 3035 287 3036 3037 3038 3039 3040 3041 // 3042 3043 3044 我们通过打印出出来的语句就可以看出： 3045 3046 3047 3048 288 3049 3050 3051 3052 3053 3054 3055 289 3056 3057 3058 3059 3060 3061 // 3062 3063 3064 fileContent:"advertising ? ? features",也就是指定了只隔2个 3065 3066 3067 3068 290 3069 3070 3071 3072 3073 3074 3075 291 3076 3077 3078 3079 3080 3081 // 3082 3083 3084 改成0,4就不行了。这要的是精确的配置关系 3085 3086 3087 3088 3089 3090 3091 292 3092 3093 3094 3095 3096 3097 3098 3099 3100 3101 293 3102 3103 3104 PhraseQuery query2 3105 3106 3107 = 3108 3109 3110 3111 3112 3113 new 3114 3115 3116 PhraseQuery(); 3117 3118 3119 3120 294 3121 3122 3123 3124 3125 3126 3127 295 3128 3129 3130 query2.add( 3131 3132 3133 new 3134 3135 3136 Term( 3137 3138 3139 " 3140 3141 3142 fileContent 3143 3144 3145 " 3146 3147 3148 , 3149 3150 3151 " 3152 3153 3154 advertising 3155 3156 3157 " 3158 3159 3160 ), 3161 3162 3163 0 3164 3165 3166 ); 3167 3168 3169 3170 296 3171 3172 3173 3174 3175 3176 3177 297 3178 3179 3180 query2.add( 3181 3182 3183 new 3184 3185 3186 Term( 3187 3188 3189 " 3190 3191 3192 fileContent 3193 3194 3195 " 3196 3197 3198 , 3199 3200 3201 " 3202 3203 3204 features 3205 3206 3207 " 3208 3209 3210 ), 3211 3212 3213 3 3214 3215 3216 ); 3217 3218 3219 3220 298 3221 3222 3223 3224 3225 3226 3227 299 3228 3229 3230 3231 3232 3233 // 3234 3235 3236 就会找到reproduce关键字，也就是相当于把reproduce关键字的找出来 3237 3238 3239 3240 3241 3242 3243 300 3244 3245 3246 3247 3248 3249 3250 3251 3252 3253 301 3254 3255 3256 queryData(query2); 3257 3258 3259 3260 302 3261 3262 3263 3264 3265 3266 3267 303 3268 3269 3270 } 3271 3272 3273 3274 304 3275 3276 3277 3278 3279 3280 3281 305 3282 3283 3284 3285 3286 3287 /** 3288 3289 3290 3291 3292 3293 3294 306 3295 3296 3297 3298 3299 3300 3301 307 3302 3303 3304 * 关键字都是大写，这里的"TO"就是 3305 3306 3307 3308 308 3309 3310 3311 3312 3313 3314 3315 309 3316 3317 3318 * fileSize:[0 TO 3] 两边包含 3319 3320 3321 3322 310 3323 3324 3325 3326 3327 3328 3329 311 3330 3331 3332 * fileSize:{0 TO 3] 不包含左边，包含右边 3333 3334 3335 3336 312 3337 3338 3339 3340 3341 3342 3343 313 3344 3345 3346 3347 3348 3349 */ 3350 3351 3352 3353 3354 3355 3356 314 3357 3358 3359 3360 3361 3362 3363 315 3364 3365 3366 @Test 3367 3368 3369 3370 316 3371 3372 3373 3374 3375 3376 3377 317 3378 3379 3380 3381 3382 3383 public 3384 3385 3386 3387 3388 3389 void 3390 3391 3392 rangeQuery() 3393 3394 3395 3396 318 3397 3398 3399 3400 3401 3402 3403 319 3404 3405 3406 { 3407 3408 3409 3410 320 3411 3412 3413 3414 3415 3416 3417 321 3418 3419 3420 3421 3422 3423 // 3424 3425 3426 我们文件的大小是2845，如果我们搜索0到100000是搜不到的， 3427 3428 3429 3430 322 3431 3432 3433 3434 3435 3436 3437 323 3438 3439 3440 3441 3442 3443 // 3444 3445 3446 因为做的是字符串的比较，也就是 3447 3448 3449 3450 324 3451 3452 3453 3454 3455 3456 3457 325 3458 3459 3460 3461 3462 3463 // 3464 3465 3466 "0","100000","2845"比较，明显2845最大，不在这个区间了， 3467 3468 3469 3470 326 3471 3472 3473 3474 3475 3476 3477 327 3478 3479 3480 3481 3482 3483 // 3484 3485 3486 所以我们查不到 3487 3488 3489 3490 328 3491 3492 3493 3494 3495 3496 3497 329 3498 3499 3500 3501 3502 3503 // 3504 3505 3506 3507 3508 3509 3510 330 3511 3512 3513 3514 3515 3516 3517 331 3518 3519 3520 3521 3522 3523 // 3524 3525 3526 如果改成0,3之间就可以查到 3527 3528 3529 3530 3531 3532 3533 332 3534 3535 3536 3537 3538 3539 3540 3541 3542 3543 333 3544 3545 3546 TermRangeQuery query 3547 3548 3549 = 3550 3551 3552 TermRangeQuery.newStringRange( 3553 3554 3555 3556 334 3557 3558 3559 3560 3561 3562 3563 335 3564 3565 3566 3567 3568 3569 " 3570 3571 3572 fileSize 3573 3574 3575 " 3576 3577 3578 , 3579 3580 3581 " 3582 3583 3584 0 3585 3586 3587 " 3588 3589 3590 , 3591 3592 3593 " 3594 3595 3596 3 3597 3598 3599 " 3600 3601 3602 , 3603 3604 3605 true 3606 3607 3608 , 3609 3610 3611 true 3612 3613 3614 ); 3615 3616 3617 3618 336 3619 3620 3621 3622 3623 3624 3625 337 3626 3627 3628 queryData(query); 3629 3630 3631 3632 338 3633 3634 3635 3636 3637 3638 3639 339 3640 3641 3642 TermRangeQuery query2 3643 3644 3645 = 3646 3647 3648 TermRangeQuery.newStringRange( 3649 3650 3651 3652 340 3653 3654 3655 3656 3657 3658 3659 341 3660 3661 3662 3663 3664 3665 " 3666 3667 3668 fileSize 3669 3670 3671 " 3672 3673 3674 , 3675 3676 3677 " 3678 3679 3680 0 3681 3682 3683 " 3684 3685 3686 , 3687 3688 3689 " 3690 3691 3692 3 3693 3694 3695 " 3696 3697 3698 , 3699 3700 3701 false 3702 3703 3704 , 3705 3706 3707 true 3708 3709 3710 ); 3711 3712 3713 3714 342 3715 3716 3717 3718 3719 3720 3721 343 3722 3723 3724 queryData(query2); 3725 3726 3727 3728 344 3729 3730 3731 3732 3733 3734 3735 345 3736 3737 3738 } 3739 3740 3741 3742 346 3743 3744 3745 3746 3747 3748 3749 347 3750 3751 3752 3753 3754 3755 /** 3756 3757 3758 3759 3760 3761 3762 348 3763 3764 3765 3766 3767 3768 3769 349 3770 3771 3772 * 数字范围的查询，没查到，到时再修改！！！！！！ 3773 3774 3775 3776 350 3777 3778 3779 3780 3781 3782 3783 351 3784 3785 3786 * 3787 3788 3789 3790 352 3791 3792 3793 3794 3795 3796 3797 353 3798 3799 3800 * fileSize:[0 TO 30000] 3801 3802 3803 3804 354 3805 3806 3807 3808 3809 3810 3811 355 3812 3813 3814 3815 3816 3817 */ 3818 3819 3820 3821 3822 3823 3824 356 3825 3826 3827 3828 3829 3830 3831 357 3832 3833 3834 @Test 3835 3836 3837 3838 358 3839 3840 3841 3842 3843 3844 3845 359 3846 3847 3848 3849 3850 3851 public 3852 3853 3854 3855 3856 3857 void 3858 3859 3860 rangeQuery2() 3861 3862 3863 3864 360 3865 3866 3867 3868 3869 3870 3871 361 3872 3873 3874 { 3875 3876 3877 3878 362 3879 3880 3881 3882 3883 3884 3885 363 3886 3887 3888 3889 3890 3891 // 3892 3893 3894 因为做的是字符串比较 3895 3896 3897 3898 364 3899 3900 3901 3902 3903 3904 3905 365 3906 3907 3908 3909 3910 3911 // 3912 3913 3914 所以对于数字应该保证字符宽度一样才对,但是数据一变， 3915 3916 3917 3918 366 3919 3920 3921 3922 3923 3924 3925 367 3926 3927 3928 3929 3930 3931 // 3932 3933 3934 我们就又要全体都改，于是有下面的办法,如下分析： 3935 3936 3937 3938 368 3939 3940 3941 3942 3943 3944 3945 369 3946 3947 3948 3949 3950 3951 // 3952 3953 3954 因为java的long就是最长的数据，他的十进制有19位， 3955 3956 3957 3958 370 3959 3960 3961 3962 3963 3964 3965 371 3966 3967 3968 3969 3970 3971 // 3972 3973 3974 所以我们把所有的数字扩展成19为的字符串就可以解决。 3975 3976 3977 3978 372 3979 3980 3981 3982 3983 3984 3985 373 3986 3987 3988 3989 3990 3991 // 3992 3993 3994 当然Lucene已经帮我们提供了。 3995 3996 3997 3998 374 3999 4000 4001 4002 4003 4004 4005 375 4006 4007 4008 4009 4010 4011 // 4012 4013 4014 4015 4016 4017 4018 376 4019 4020 4021 4022 4023 4024 4025 377 4026 4027 4028 4029 4030 4031 // 4032 4033 4034 对于数字的类型，lucene提供了一个工具类帮我们处理： 4035 4036 4037 4038 378 4039 4040 4041 4042 4043 4044 4045 379 4046 4047 4048 4049 4050 4051 // 4052 4053 4054 目前没有找到或者不会用 4055 4056 4057 4058 380 4059 4060 4061 4062 4063 4064 4065 381 4066 4067 4068 4069 4070 4071 // 4072 4073 4074 precisionStep是精度，需要 >= 1 4075 4076 4077 4078 382 4079 4080 4081 4082 4083 4084 4085 383 4086 4087 4088 4089 4090 4091 // 4092 4093 4094 但是这个查不到.....???? 4095 4096 4097 4098 4099 4100 4101 384 4102 4103 4104 4105 4106 4107 4108 4109 4110 4111 385 4112 4113 4114 Query query2 4115 4116 4117 = 4118 4119 4120 NumericRangeQuery.newLongRange( 4121 4122 4123 4124 386 4125 4126 4127 4128 4129 4130 4131 387 4132 4133 4134 4135 4136 4137 " 4138 4139 4140 fileSize 4141 4142 4143 " 4144 4145 4146 , 4147 4148 4149 0L 4150 4151 4152 , 4153 4154 4155 30000L 4156 4157 4158 , 4159 4160 4161 true 4162 4163 4164 , 4165 4166 4167 true 4168 4169 4170 ); 4171 4172 4173 4174 388 4175 4176 4177 4178 4179 4180 4181 389 4182 4183 4184 queryData(query2); 4185 4186 4187 4188 390 4189 4190 4191 4192 4193 4194 4195 391 4196 4197 4198 } 4199 4200 4201 4202 392 4203 4204 4205 4206 4207 4208 4209 393 4210 4211 4212 4213 4214 4215 /** 4216 4217 4218 4219 4220 4221 4222 394 4223 4224 4225 4226 4227 4228 4229 395 4230 4231 4232 * 通配符查询,模糊匹配的一个关键字， 4233 4234 4235 4236 396 4237 4238 4239 4240 4241 4242 4243 397 4244 4245 4246 * 而：PhraseQuery短语查询是多个关键字的间隔。 4247 4248 4249 4250 398 4251 4252 4253 4254 4255 4256 4257 399 4258 4259 4260 * 4261 4262 4263 4264 400 4265 4266 4267 4268 4269 4270 4271 401 4272 4273 4274 * ? : 代表任意一个字符 4275 4276 4277 4278 402 4279 4280 4281 4282 4283 4284 4285 403 4286 4287 4288 * * ： 代表0到n个任意字符 4289 4290 4291 4292 404 4293 4294 4295 4296 4297 4298 4299 405 4300 4301 4302 * 4303 4304 4305 4306 406 4307 4308 4309 4310 4311 4312 4313 407 4314 4315 4316 * fileContent:reprod* 4317 4318 4319 4320 408 4321 4322 4323 4324 4325 4326 4327 409 4328 4329 4330 * fileContent:repro??ce 4331 4332 4333 4334 410 4335 4336 4337 4338 4339 4340 4341 411 4342 4343 4344 * fileContent:repro???ce 4345 4346 4347 4348 412 4349 4350 4351 4352 4353 4354 4355 413 4356 4357 4358 * reproduce*:reprod* 4359 4360 4361 4362 414 4363 4364 4365 4366 4367 4368 4369 415 4370 4371 4372 * 4373 4374 4375 4376 416 4377 4378 4379 4380 4381 4382 4383 417 4384 4385 4386 * java.lang.NoClassDefFoundError: 4387 4388 4389 4390 418 4391 4392 4393 4394 4395 4396 4397 419 4398 4399 4400 * org/apache/lucene/queries/CommonTermsQuery 4401 4402 4403 4404 420 4405 4406 4407 4408 4409 4410 4411 421 4412 4413 4414 * 那么需要导入lucene-4.5.0\queries\lucene-queries-4.5.0.jar 4415 4416 4417 4418 422 4419 4420 4421 4422 4423 4424 4425 423 4426 4427 4428 * 4429 4430 4431 4432 424 4433 4434 4435 4436 4437 4438 4439 425 4440 4441 4442 * java.lang.NoClassDefFoundError: 4443 4444 4445 4446 426 4447 4448 4449 4450 4451 4452 4453 427 4454 4455 4456 * org/apache/lucene/index/memory/MemoryIndex 4457 4458 4459 4460 428 4461 4462 4463 4464 4465 4466 4467 429 4468 4469 4470 * 那么需要导入lucene-4.5.0\memory\lucene-memory-4.5.0.jar 4471 4472 4473 4474 430 4475 4476 4477 4478 4479 4480 4481 431 4482 4483 4484 * 4485 4486 4487 4488 432 4489 4490 4491 4492 4493 4494 4495 433 4496 4497 4498 * 所以对于那些NoClassDefFoundError一定是jar没有导全，导入即可解决。 4499 4500 4501 4502 434 4503 4504 4505 4506 4507 4508 4509 435 4510 4511 4512 * 4513 4514 4515 4516 436 4517 4518 4519 4520 4521 4522 4523 437 4524 4525 4526 * 这里就是查询reprod开头的关键字 4527 4528 4529 4530 438 4531 4532 4533 4534 4535 4536 4537 439 4538 4539 4540 4541 4542 4543 */ 4544 4545 4546 4547 4548 4549 4550 440 4551 4552 4553 4554 4555 4556 4557 441 4558 4559 4560 @Test 4561 4562 4563 4564 442 4565 4566 4567 4568 4569 4570 4571 443 4572 4573 4574 4575 4576 4577 public 4578 4579 4580 4581 4582 4583 void 4584 4585 4586 wildcardQuery() 4587 4588 4589 4590 444 4591 4592 4593 4594 4595 4596 4597 445 4598 4599 4600 { 4601 4602 4603 4604 446 4605 4606 4607 4608 4609 4610 4611 447 4612 4613 4614 4615 4616 4617 // 4618 4619 4620 这个跟前缀查询一样.. 4621 4622 4623 4624 4625 4626 4627 448 4628 4629 4630 4631 4632 4633 4634 4635 4636 4637 449 4638 4639 4640 WildcardQuery query 4641 4642 4643 = 4644 4645 4646 4647 4648 4649 new 4650 4651 4652 WildcardQuery( 4653 4654 4655 4656 450 4657 4658 4659 4660 4661 4662 4663 451 4664 4665 4666 4667 4668 4669 new 4670 4671 4672 Term( 4673 4674 4675 " 4676 4677 4678 fileContent 4679 4680 4681 " 4682 4683 4684 , 4685 4686 4687 " 4688 4689 4690 reprod* 4691 4692 4693 " 4694 4695 4696 )); 4697 4698 4699 4700 452 4701 4702 4703 4704 4705 4706 4707 453 4708 4709 4710 queryData(query); 4711 4712 4713 4714 454 4715 4716 4717 4718 4719 4720 4721 455 4722 4723 4724 WildcardQuery query2 4725 4726 4727 = 4728 4729 4730 4731 4732 4733 new 4734 4735 4736 WildcardQuery( 4737 4738 4739 4740 456 4741 4742 4743 4744 4745 4746 4747 457 4748 4749 4750 4751 4752 4753 new 4754 4755 4756 Term( 4757 4758 4759 " 4760 4761 4762 fileContent 4763 4764 4765 " 4766 4767 4768 , 4769 4770 4771 " 4772 4773 4774 repro??ce 4775 4776 4777 " 4778 4779 4780 )); 4781 4782 4783 4784 458 4785 4786 4787 4788 4789 4790 4791 459 4792 4793 4794 queryData(query2); 4795 4796 4797 4798 460 4799 4800 4801 4802 4803 4804 4805 461 4806 4807 4808 4809 4810 4811 // 4812 4813 4814 这个就查不到了 4815 4816 4817 4818 4819 4820 4821 462 4822 4823 4824 4825 4826 4827 4828 4829 4830 4831 463 4832 4833 4834 WildcardQuery query3 4835 4836 4837 = 4838 4839 4840 4841 4842 4843 new 4844 4845 4846 WildcardQuery( 4847 4848 4849 4850 464 4851 4852 4853 4854 4855 4856 4857 465 4858 4859 4860 4861 4862 4863 new 4864 4865 4866 Term( 4867 4868 4869 " 4870 4871 4872 fileContent 4873 4874 4875 " 4876 4877 4878 , 4879 4880 4881 " 4882 4883 4884 repro???ce 4885 4886 4887 " 4888 4889 4890 )); 4891 4892 4893 4894 466 4895 4896 4897 4898 4899 4900 4901 467 4902 4903 4904 queryData(query3); 4905 4906 4907 4908 468 4909 4910 4911 4912 4913 4914 4915 469 4916 4917 4918 WildcardQuery query4 4919 4920 4921 = 4922 4923 4924 4925 4926 4927 new 4928 4929 4930 WildcardQuery( 4931 4932 4933 4934 470 4935 4936 4937 4938 4939 4940 4941 471 4942 4943 4944 4945 4946 4947 new 4948 4949 4950 Term( 4951 4952 4953 " 4954 4955 4956 reproduce* 4957 4958 4959 " 4960 4961 4962 , 4963 4964 4965 " 4966 4967 4968 reprod* 4969 4970 4971 " 4972 4973 4974 )); 4975 4976 4977 4978 472 4979 4980 4981 4982 4983 4984 4985 473 4986 4987 4988 queryData(query4); 4989 4990 4991 4992 474 4993 4994 4995 4996 4997 4998 4999 475 5000 5001 5002 } 5003 5004 5005 5006 476 5007 5008 5009 5010 5011 5012 5013 477 5014 5015 5016 5017 5018 5019 /** 5020 5021 5022 5023 5024 5025 5026 478 5027 5028 5029 5030 5031 5032 5033 479 5034 5035 5036 * 多个查询的boolean控制 5037 5038 5039 5040 480 5041 5042 5043 5044 5045 5046 5047 481 5048 5049 5050 * +fileContent:reprod* fileSize:[0 TO 3] 5051 5052 5053 5054 482 5055 5056 5057 5058 5059 5060 5061 483 5062 5063 5064 * -fileContent:"advertising features"~5 5065 5066 5067 5068 484 5069 5070 5071 5072 5073 5074 5075 485 5076 5077 5078 * 5079 5080 5081 5082 486 5083 5084 5085 5086 5087 5088 5089 487 5090 5091 5092 * + ： 就是Must 也可以写成AND 5093 5094 5095 5096 488 5097 5098 5099 5100 5101 5102 5103 489 5104 5105 5106 * - : 就是Must_Not 也可以写成NOT 5107 5108 5109 5110 490 5111 5112 5113 5114 5115 5116 5117 491 5118 5119 5120 * 空格 ： 就是Should 也可以写成OR 5121 5122 5123 5124 492 5125 5126 5127 5128 5129 5130 5131 493 5132 5133 5134 * 5135 5136 5137 5138 494 5139 5140 5141 5142 5143 5144 5145 495 5146 5147 5148 * MUST : 必须满足条件 5149 5150 5151 5152 496 5153 5154 5155 5156 5157 5158 5159 497 5160 5161 5162 * MUST_NOT : 一定不满足 5163 5164 5165 5166 498 5167 5168 5169 5170 5171 5172 5173 499 5174 5175 5176 * SHOULD : 就是或的意思 5177 5178 5179 5180 500 5181 5182 5183 5184 5185 5186 5187 501 5188 5189 5190 * 5191 5192 5193 @throws 5194 5195 5196 ParseException 5197 5198 5199 5200 502 5201 5202 5203 5204 5205 5206 5207 503 5208 5209 5210 5211 5212 5213 */ 5214 5215 5216 5217 5218 5219 5220 504 5221 5222 5223 5224 5225 5226 5227 505 5228 5229 5230 @Test 5231 5232 5233 5234 506 5235 5236 5237 5238 5239 5240 5241 507 5242 5243 5244 5245 5246 5247 public 5248 5249 5250 5251 5252 5253 void 5254 5255 5256 booleanQuery() 5257 5258 5259 throws 5260 5261 5262 ParseException 5263 5264 5265 5266 508 5267 5268 5269 5270 5271 5272 5273 509 5274 5275 5276 { 5277 5278 5279 5280 510 5281 5282 5283 5284 5285 5286 5287 511 5288 5289 5290 BooleanQuery query 5291 5292 5293 = 5294 5295 5296 5297 5298 5299 new 5300 5301 5302 BooleanQuery(); 5303 5304 5305 5306 512 5307 5308 5309 5310 5311 5312 5313 513 5314 5315 5316 5317 5318 5319 // 5320 5321 5322 一定有reprod* 5323 5324 5325 5326 5327 5328 5329 514 5330 5331 5332 5333 5334 5335 5336 5337 5338 5339 515 5340 5341 5342 WildcardQuery must 5343 5344 5345 = 5346 5347 5348 5349 5350 5351 new 5352 5353 5354 WildcardQuery( 5355 5356 5357 5358 516 5359 5360 5361 5362 5363 5364 5365 517 5366 5367 5368 5369 5370 5371 new 5372 5373 5374 Term( 5375 5376 5377 " 5378 5379 5380 fileContent 5381 5382 5383 " 5384 5385 5386 , 5387 5388 5389 " 5390 5391 5392 reprod* 5393 5394 5395 " 5396 5397 5398 )); 5399 5400 5401 5402 518 5403 5404 5405 5406 5407 5408 5409 519 5410 5411 5412 5413 5414 5415 // 5416 5417 5418 文件大小一定在0,3的字符串之间 5419 5420 5421 5422 5423 5424 5425 520 5426 5427 5428 5429 5430 5431 5432 5433 5434 5435 521 5436 5437 5438 TermRangeQuery must_size 5439 5440 5441 = 5442 5443 5444 TermRangeQuery.newStringRange( 5445 5446 5447 5448 522 5449 5450 5451 5452 5453 5454 5455 523 5456 5457 5458 5459 5460 5461 " 5462 5463 5464 fileSize 5465 5466 5467 " 5468 5469 5470 , 5471 5472 5473 " 5474 5475 5476 0 5477 5478 5479 " 5480 5481 5482 , 5483 5484 5485 " 5486 5487 5488 3 5489 5490 5491 " 5492 5493 5494 , 5495 5496 5497 true 5498 5499 5500 , 5501 5502 5503 true 5504 5505 5506 ); 5507 5508 5509 5510 524 5511 5512 5513 5514 5515 5516 5517 525 5518 5519 5520 5521 5522 5523 // 5524 5525 5526 有这个条就查不到了嘛 5527 5528 5529 5530 5531 5532 5533 526 5534 5535 5536 5537 5538 5539 5540 5541 5542 5543 527 5544 5545 5546 PhraseQuery not 5547 5548 5549 = 5550 5551 5552 5553 5554 5555 new 5556 5557 5558 PhraseQuery(); 5559 5560 5561 5562 528 5563 5564 5565 5566 5567 5568 5569 529 5570 5571 5572 not.setSlop( 5573 5574 5575 5 5576 5577 5578 ); 5579 5580 5581 // 5582 5583 5584 最多间隔5个字 5585 5586 5587 5588 5589 5590 5591 530 5592 5593 5594 5595 5596 5597 5598 5599 5600 5601 531 5602 5603 5604 not.add( 5605 5606 5607 new 5608 5609 5610 Term( 5611 5612 5613 " 5614 5615 5616 fileContent 5617 5618 5619 " 5620 5621 5622 , 5623 5624 5625 " 5626 5627 5628 advertising 5629 5630 5631 " 5632 5633 5634 )); 5635 5636 5637 5638 532 5639 5640 5641 5642 5643 5644 5645 533 5646 5647 5648 not.add( 5649 5650 5651 new 5652 5653 5654 Term( 5655 5656 5657 " 5658 5659 5660 fileContent 5661 5662 5663 " 5664 5665 5666 , 5667 5668 5669 " 5670 5671 5672 features 5673 5674 5675 " 5676 5677 5678 )); 5679 5680 5681 5682 534 5683 5684 5685 5686 5687 5688 5689 535 5690 5691 5692 query.add( 5693 5694 5695 new 5696 5697 5698 BooleanClause(must, Occur.MUST)); 5699 5700 5701 5702 536 5703 5704 5705 5706 5707 5708 5709 537 5710 5711 5712 query.add( 5713 5714 5715 new 5716 5717 5718 BooleanClause(must_size, Occur.SHOULD)); 5719 5720 5721 5722 538 5723 5724 5725 5726 5727 5728 5729 539 5730 5731 5732 query.add( 5733 5734 5735 new 5736 5737 5738 BooleanClause(not, Occur.MUST_NOT)); 5739 5740 5741 5742 540 5743 5744 5745 5746 5747 5748 5749 541 5750 5751 5752 queryData(query); 5753 5754 5755 5756 542 5757 5758 5759 5760 5761 5762 5763 543 5764 5765 5766 System.out.println( 5767 5768 5769 " 5770 5771 5772 下面是使用AND，NOT，OR执行 5773 5774 5775 " 5776 5777 5778 ); 5779 5780 5781 5782 544 5783 5784 5785 5786 5787 5788 5789 545 5790 5791 5792 5793 5794 5795 // 5796 5797 5798 两条件相与 5799 5800 5801 5802 5803 5804 5805 546 5806 5807 5808 5809 5810 5811 5812 5813 5814 5815 547 5816 5817 5818 queryData( 5819 5820 5821 " 5822 5823 5824 fileContent:reprod* AND fileSize:[0 TO 3] 5825 5826 5827 " 5828 5829 5830 ); 5831 5832 5833 5834 548 5835 5836 5837 5838 5839 5840 5841 549 5842 5843 5844 System.out.println( 5845 5846 5847 5848 550 5849 5850 5851 5852 5853 5854 5855 551 5856 5857 5858 5859 5860 5861 " 5862 5863 5864 ------------------李锋------分界线----------- 5865 5866 5867 " 5868 5869 5870 ); 5871 5872 5873 5874 552 5875 5876 5877 5878 5879 5880 5881 553 5882 5883 5884 5885 5886 5887 // 5888 5889 5890 两条件相或 5891 5892 5893 5894 5895 5896 5897 554 5898 5899 5900 5901 5902 5903 5904 5905 5906 5907 555 5908 5909 5910 queryData( 5911 5912 5913 " 5914 5915 5916 fileContent:reprod* OR fileSize:[0 TO 3] 5917 5918 5919 " 5920 5921 5922 ); 5923 5924 5925 5926 556 5927 5928 5929 5930 5931 5932 5933 557 5934 5935 5936 System.out.println( 5937 5938 5939 5940 558 5941 5942 5943 5944 5945 5946 5947 559 5948 5949 5950 5951 5952 5953 " 5954 5955 5956 ------------------李锋------分界线----------- 5957 5958 5959 " 5960 5961 5962 ); 5963 5964 5965 5966 560 5967 5968 5969 5970 5971 5972 5973 561 5974 5975 5976 5977 5978 5979 // 5980 5981 5982 A !B 5983 5984 5985 5986 5987 5988 5989 562 5990 5991 5992 5993 5994 5995 5996 5997 5998 5999 563 6000 6001 6002 queryData( 6003 6004 6005 " 6006 6007 6008 fileContent:reprod* NOT fileSize:[0 TO 3] 6009 6010 6011 " 6012 6013 6014 ); 6015 6016 6017 6018 564 6019 6020 6021 6022 6023 6024 6025 565 6026 6027 6028 System.out.println( 6029 6030 6031 6032 566 6033 6034 6035 6036 6037 6038 6039 567 6040 6041 6042 6043 6044 6045 " 6046 6047 6048 ------------------李锋------分界线----------- 6049 6050 6051 " 6052 6053 6054 ); 6055 6056 6057 6058 568 6059 6060 6061 6062 6063 6064 6065 569 6066 6067 6068 6069 6070 6071 // 6072 6073 6074 !A B 6075 6076 6077 6078 6079 6080 6081 570 6082 6083 6084 6085 6086 6087 6088 6089 6090 6091 571 6092 6093 6094 queryData( 6095 6096 6097 " 6098 6099 6100 NOT fileContent:reprod* AND fileSize:[0 TO 3] 6101 6102 6103 " 6104 6105 6106 ); 6107 6108 6109 6110 572 6111 6112 6113 6114 6115 6116 6117 573 6118 6119 6120 6121 6122 6123 // 6124 6125 6126 下面使用括号来用改变优先级 6127 6128 6129 6130 6131 6132 6133 574 6134 6135 6136 6137 6138 6139 6140 6141 6142 6143 575 6144 6145 6146 System.out.println( 6147 6148 6149 " 6150 6151 6152 \n使用括号 6153 6154 6155 " 6156 6157 6158 ); 6159 6160 6161 6162 576 6163 6164 6165 6166 6167 6168 6169 577 6170 6171 6172 queryData( 6173 6174 6175 " 6176 6177 6178 fileContent:reprod* AND”+ 6179 6180 6181 6182 6183 6184 6185 578 6186 6187 6188 6189 6190 6191 6192 6193 6194 6195 579 6196 6197 6198 ” (fileSize:[ 6199 6200 6201 0 6202 6203 6204 TO 6205 6206 6207 3 6208 6209 6210 ] OR fileContent:reprod 6211 6212 6213 ? 6214 6215 6216 ) 6217 6218 6219 " 6220 6221 6222 ); 6223 6224 6225 6226 6227 6228 6229 580 6230 6231 6232 6233 6234 6235 6236 6237 6238 6239 581 6240 6241 6242 } 6243 6244 6245 6246 582 6247 6248 6249 6250 6251 6252 6253 583 6254 6255 6256 } 6257 6258 6259 6260 584 6261 6262 6263 6264 6265 6266 6267 585 6268 6269 6270 6271 6272 6273
指定排序和相关度权重
排序分两种，一个是修改相关度的权重来影响排序，另一个是使用指定的域来排序。
相关度排序
Lucene 在返回查找结果的时候，会根据相关度进行打分，得分越高的就越在前面，这是默认的处理。相关度的算法很多，比如用n维空间的cos求夹角的方式。
相关度又分两种，一种是域的相关度，另一种是doc的相关度。修改相关度的就是boost变量。
1. 域的相关度
a) 在创建查询语句的时候用Map<String, Float> boosts指定
b) 在创建索引的时候指定，这样就固化到了索引文件，需要重建索引才可以修改，或者查询时重新指定也行。((Field)field).setBoost(1.0f);
下面是第一种的代码，第二种的就是((Field)field).setBoost(1.0f);即可。
1 1 2 3 4 /** 5 6 7 8 9 10 11 2 12 13 14 15 16 17 18 3 19 20 21 * 设置域的权重,在查询时指定 22 23 24 25 4 26 27 28 29 30 31 32 5 33 34 35 * fileContent:abcdefg.txt filePath:abcdefg.txt^3.0 36 37 38 39 6 40 41 42 43 44 45 46 7 47 48 49 * 这就是设置权重的查询语句。 50 51 52 53 8 54 55 56 57 58 59 60 9 61 62 63 * 64 65 66 67 10 68 69 70 71 72 73 74 11 75 76 77 * 也可以在创建索引时，给field设置权重，那么就固化到索引文件了。 78 79 80 81 12 82 83 84 85 86 87 88 13 89 90 91 * 92 93 94 95 14 96 97 98 99 100 101 102 15 103 104 105 * 106 107 108 @throws 109 110 111 InvalidTokenOffsetsException 112 113 114 115 16 116 117 118 119 120 121 122 17 123 124 125 * 126 127 128 @throws 129 130 131 IOException 132 133 134 135 18 136 137 138 139 140 141 142 19 143 144 145 * 146 147 148 @throws 149 150 151 ParseException 152 153 154 155 20 156 157 158 159 160 161 162 21 163 164 165 166 167 168 */ 169 170 171 172 173 174 175 22 176 177 178 179 180 181 182 23 183 184 185 @Test 186 187 188 189 24 190 191 192 193 194 195 196 25 197 198 199 200 201 202 public 203 204 205 206 207 208 void 209 210 211 fieldBoostTest() 212 213 214 throws 215 216 217 IOException, 218 219 220 221 26 222 223 224 225 226 227 228 27 229 230 231 InvalidTokenOffsetsException, ParseException 232 233 234 235 28 236 237 238 239 240 241 242 29 243 244 245 { 246 247 248 249 30 250 251 252 253 254 255 256 31 257 258 259 String[] fileds 260 261 262 = 263 264 265 266 267 268 new 269 270 271 String[]{ 272 273 274 " 275 276 277 fileContent 278 279 280 " 281 282 283 , 284 285 286 " 287 288 289 filePath 290 291 292 " 293 294 295 }; 296 297 298 299 32 300 301 302 303 304 305 306 33 307 308 309 Map 310 311 312 < 313 314 315 String, Float 316 317 318 > 319 320 321 boosts 322 323 324 = 325 326 327 328 329 330 new 331 332 333 HashMap 334 335 336 < 337 338 339 String, Float 340 341 342 > 343 344 345 (); 346 347 348 349 34 350 351 352 353 354 355 356 35 357 358 359 360 361 362 // 363 364 365 设置filePath的权重高些,3.0f相当大的影响 366 367 368 369 370 371 372 36 373 374 375 376 377 378 379 380 381 382 37 383 384 385 boosts.put( 386 387 388 " 389 390 391 fileContent 392 393 394 " 395 396 397 , 398 399 400 1.0f 401 402 403 ); 404 405 406 407 38 408 409 410 411 412 413 414 39 415 416 417 boosts.put( 418 419 420 " 421 422 423 filePath 424 425 426 " 427 428 429 , 430 431 432 3.0f 433 434 435 ); 436 437 438 439 40 440 441 442 443 444 445 446 41 447 448 449 450 451 452 // 453 454 455 相当于(fileContent:****) (filePath:****) 456 457 458 459 42 460 461 462 463 464 465 466 43 467 468 469 470 471 472 // 473 474 475 也就是查询fileContent或者filePath 476 477 478 479 480 481 482 44 483 484 485 486 487 488 489 490 491 492 45 493 494 495 MultiFieldQueryParser parser 496 497 498 = 499 500 501 502 503 504 new 505 506 507 MultiFieldQueryParser( 508 509 510 511 46 512 513 514 515 516 517 518 47 519 520 521 Version.LUCENE_45, fileds, analyzer,boosts); 522 523 524 525 48 526 527 528 529 530 531 532 49 533 534 535 query(parser.parse( 536 537 538 " 539 540 541 abcdefg.txt 542 543 544 " 545 546 547 )); 548 549 550 551 50 552 553 554 555 556 557 558 51 559 560 561 562 563 564 // 565 566 567 568 569 570 // 571 572 573 上面的相当于下面的 574 575 576 577 52 578 579 580 581 582 583 584 53 585 586 587 588 589 590 // 591 592 593 { 594 595 596 597 54 598 599 600 601 602 603 604 55 605 606 607 608 609 610 // 611 612 613 query("fileContent:abcdefg.txt filePath:abcdefg.txt^3.0"); 614 615 616 617 56 618 619 620 621 622 623 624 57 625 626 627 628 629 630 // 631 632 633 query("fileContent:abcdefg.txt OR filePath:abcdefg.txt^3.0"); 634 635 636 637 58 638 639 640 641 642 643 644 59 645 646 647 648 649 650 // 651 652 653 } 654 655 656 657 658 659 660 60 661 662 663 664 665 666 667 668 669 670 61 671 672 673 } 674 675 676 677 62 678 679 680 681 682 683 684 63 685 686 687 688 689 690
2. Doc的相关度，我们可以指定某个doc的权重比其他的权重高，这样这篇文字的索引位置就比其他的相对靠前了。
实现方法：目前还没找到。
指定域排序Sort
我们可以指定某个域升降序排列，就像order by一样。
1 1 2 3 4 // 5 6 7 排序 8 9 10 11 12 13 14 2 15 16 17 18 19 20 21 22 23 24 3 25 26 27 Sort sort 28 29 30 = 31 32 33 34 35 36 new 37 38 39 Sort(); 40 41 42 43 4 44 45 46 47 48 49 50 5 51 52 53 54 55 56 // 57 58 59 就是大小升序 60 61 62 63 6 64 65 66 67 68 69 70 7 71 72 73 74 75 76 // 77 78 79 sort.setSort(new SortField("fileSize", Type.LONG,false)); 80 81 82 83 8 84 85 86 87 88 89 90 9 91 92 93 94 95 96 // 97 98 99 就是大小降序 100 101 102 103 104 105 106 10 107 108 109 110 111 112 113 114 115 116 11 117 118 119 sort.setSort( 120 121 122 new 123 124 125 SortField( 126 127 128 " 129 130 131 fileSize 132 133 134 " 135 136 137 , Type.LONG, 138 139 140 true 141 142 143 )); 144 145 146 147 12 148 149 150 151 152 153 154 13 155 156 157 TopDocs topDocs 158 159 160 = 161 162 163 searcher.search(query, 164 165 166 1000 167 168 169 ,sort); 170 171 172 173 14 174 175 176 177 178 179 180 15 181 182 183 184 185 186 // 187 188 189 这个简单，直接指定传给IndexSeacher即可 190 191 192 193 16 194 195 196 197 198 199 200 17 201 202 203 204 205 206 // 207 208 209 有时你想要一个排好序的结果集，就像SQL语句的“order by”，lucene能做到：通过Sort。 210 211 212 213 214 215 216 18 217 218 219 220 221 222 223 224 225 226 19 227 228 229 Sort sort 230 231 232 = 233 234 235 236 237 238 new 239 240 241 Sort(“time”); 242 243 244 // 245 246 247 相当于SQL的“order by time” 248 249 250 251 252 253 254 20 255 256 257 258 259 260 261 262 263 264 21 265 266 267 Sort sort 268 269 270 = 271 272 273 274 275 276 new 277 278 279 Sort(“time”, 280 281 282 true 283 284 285 ); 286 287 288 // 289 290 291 相当于SQL的“order by time desc” 292 293 294 295 22 296 297 298 299 300 301 302 23 303 304 305 306 307 308 // 309 310 311 下面是一个完整的例子： 312 313 314 315 316 317 318 24 319 320 321 322 323 324 325 326 327 328 25 329 330 331 Directory dir 332 333 334 = 335 336 337 FSDirectory.getDirectory(PATH, 338 339 340 false 341 342 343 ); 344 345 346 347 26 348 349 350 351 352 353 354 27 355 356 357 IndexSearcher is 358 359 360 = 361 362 363 364 365 366 new 367 368 369 IndexSearcher(dir); 370 371 372 373 28 374 375 376 377 378 379 380 29 381 382 383 QueryParser parser 384 385 386 = 387 388 389 390 391 392 new 393 394 395 QueryParser( 396 397 398 " 399 400 401 content 402 403 404 " 405 406 407 , 408 409 410 new 411 412 413 StandardAnalyzer()); 414 415 416 417 30 418 419 420 421 422 423 424 31 425 426 427 Query query 428 429 430 = 431 432 433 parser.parse( 434 435 436 " 437 438 439 title:lucene content:lucene 440 441 442 " 443 444 445 ); 446 447 448 449 32 450 451 452 453 454 455 456 33 457 458 459 RangeFilter filter 460 461 462 = 463 464 465 466 467 468 new 469 470 471 RangeFilter( 472 473 474 " 475 476 477 time 478 479 480 " 481 482 483 , 484 485 486 " 487 488 489 20060101 490 491 492 " 493 494 495 , 496 497 498 " 499 500 501 20060230 502 503 504 " 505 506 507 , 508 509 510 true 511 512 513 , 514 515 516 true 517 518 519 ); 520 521 522 523 34 524 525 526 527 528 529 530 35 531 532 533 Sort sort 534 535 536 = 537 538 539 540 541 542 new 543 544 545 Sort(“time”); 546 547 548 549 36 550 551 552 553 554 555 556 37 557 558 559 Hits hits 560 561 562 = 563 564 565 is.search(query, filter, sort); 566 567 568 569 38 570 571 572 573 574 575 576 39 577 578 579 580 581 582 for 583 584 585 ( 586 587 588 int 589 590 591 i 592 593 594 = 595 596 597 598 599 600 0 601 602 603 ; i 604 605 606 < 607 608 609 hits.length(); i 610 611 612 ++ 613 614 615 ) 616 617 618 619 40 620 621 622 623 624 625 626 41 627 628 629 { 630 631 632 633 42 634 635 636 637 638 639 640 43 641 642 643 Document doc 644 645 646 = 647 648 649 hits.doc(i); 650 651 652 653 44 654 655 656 657 658 659 660 45 661 662 663 System.out.println(doc.get( 664 665 666 " 667 668 669 title 670 671 672 " 673 674 675 ); 676 677 678 679 46 680 681 682 683 684 685 686 47 687 688 689 } 690 691 692 693 48 694 695 696 697 698 699 700 49 701 702 703 is.close(); 704 705 706 707 50 708 709 710 711 712 713 714 51 715 716 717 718 719 720
过滤器Filter
就是过滤一些东西，我们在查询的时候可以指定：
// 使用过滤器
Filter filter = NumericRangeFilter.newLongRange(
"fileSize", 111L, 800L, true, true);
TopDocs topDocs = searcher.search(query, filter,1000);
这个就过滤文件大小，但是测试结果是查不到，需要再想一下。
filter 的作用就是限制只查询索引的某个子集，它的作用有点像SQL语句里的where，但又有区别，它不是正规查询的一部分，只是对数据源进行预处理，然后交给查询语句。注意它执行的是预处理，而不是对查询结果进行过滤，所以使用filter的代价是很大的，它可能会使一次查询耗时提高一百倍。
最常用的filter是RangeFilter和QueryFilter。RangeFilter是设定只搜索指定范围内的索引；QueryFilter是在上次查询的结果中搜索。
Filter的使用非常简单，你只需创建一个filter实例，然后把它传给searcher。继续上面的例子，查询“时间在20060101到20060130之间的文章”除了将限制写在query string中，你还可以写在RangeFilter中：
Directory dir = FSDirectory.getDirectory(PATH, false);
IndexSearcher is = new IndexSearcher(dir);
QueryParser parser = new QueryParser("content", new StandardAnalyzer());
Query query = parser.parse("title:lucene content:lucene";
RangeFilter filter = new RangeFilter("time", "20060101", "20060230", true, true);
Hits hits = is.search(query, filter);
for (int i = 0; i < hits.length(); i++)
{
Document doc = hits.doc(i);
System.out.println(doc.get("title");
}
is.close();
学习途径：
1. 看官方的例子程序，里面有生成索引，查询的方法，还有高级知识！
里面讲了生成doc时不同的域可以用不用的子类域来封装，比如文StringField，LongField，TextField，等等很好！
2. 官方文档，里面查询API，当前链接了源码之后这个文档就没多大意义了
3. 看官方文档指定的wiki：
http://wiki.apache.org/lucene-java/FrontPage?action=show&redirect=FrontPageEN
4. 看Lucene 原理与代码分析完整版.pdf
性能优化
一直到这里，我们还是在讨论怎么样使lucene跑起来，完成指定任务。利用前面说的也确实能完成大部分功能。但是测试表明lucene的性能并不是很好，在大数据量大并发的条件下甚至会有半分钟返回的情况。另外大数据量的数据初始化建立索引也是一个十分耗时的过程。那么如何提高lucene的性能呢？下面从优化创建索引性能和优化搜索性能两方面介绍。
优化创建索引性能
这方面的优化途径比较有限，IndexWriter提供了一些接口可以控制建立索引的操作，另外我们可以先将索引写入RAMDirectory，再批量写入FSDirectory，不管怎样，目的都是尽量少的文件IO，因为创建索引的最大瓶颈在于磁盘IO。另外选择一个较好的分析器也能提高一些性能。
通过设置IndexWriter的参数优化索引建立
setMaxBufferedDocs(int maxBufferedDocs)
控制写入一个新的segment前内存中保存的document的数目，设置较大的数目可以加快建索引速度，默认为10。
setMaxMergeDocs(int maxMergeDocs)
控制一个segment中可以保存的最大document数目，值较小有利于追加索引的速度，默认Integer.MAX_VALUE，无需修改。
setMergeFactor(int mergeFactor)
控制多个segment合并的频率，值较大时建立索引速度较快，默认是10，可以在建立索引时设置为100。
通过RAMDirectory缓写提高性能
我们可以先把索引写入RAMDirectory，达到一定数量时再批量写进FSDirectory，减少磁盘IO次数。
FSDirectory fsDir = FSDirectory.getDirectory("/data/index", true);
RAMDirectory ramDir = new RAMDirectory();
IndexWriter fsWriter = new IndexWriter(fsDir, new StandardAnalyzer(), true);
IndexWriter ramWriter = new IndexWriter(ramDir, new StandardAnalyzer(), true);
while (there are documents to index)
{
... create Document ...
ramWriter.addDocument(doc);
if (condition for flushing memory to disk has been met)
{
fsWriter.addIndexes(new Directory[] { ramDir });
ramWriter.close();
ramWriter = new IndexWriter(ramDir, new StandardAnalyzer(), true);
}
}
选择较好的分析器
这个优化主要是对磁盘空间的优化，可以将索引文件减小将近一半，相同测试数据下由600M减少到380M。但是对时间并没有什么帮助，甚至会需要更长时间，因为较好的分析器需要匹配词库，会消耗更多cpu，测试数据用StandardAnalyzer耗时133分钟；用MMAnalyzer耗时150分钟。
优化搜索性能
虽然建立索引的操作非常耗时，但是那毕竟只在最初创建时才需要，平时只是少量的维护操作，更何况这些可以放到一个后台进程处理，并不影响用户搜索。我们创建索引的目的就是给用户搜索，所以搜索的性能才是我们最关心的。下面就来探讨一下如何提高搜索性能。
将索引放入内存
这是一个最直观的想法，因为内存比磁盘快很多。Lucene提供了RAMDirectory可以在内存中容纳索引：
Directory fsDir = FSDirectory.getDirectory(“/data/index/”, false);
Directory ramDir = new RAMDirectory(fsDir);
Searcher searcher = new IndexSearcher(ramDir);
但是实践证明RAMDirectory和FSDirectory速度差不多，当数据量很小时两者都非常快，当数据量较大时（索引文件400M）RAMDirectory甚至比FSDirectory还要慢一点，这确实让人出乎意料。
而且lucene的搜索非常耗内存，即使将400M的索引文件载入内存，在运行一段时间后都会out of memory，所以个人认为载入内存的作用并不大。
优化时间范围限制
既然载入内存并不能提高效率，一定有其它瓶颈，经过测试发现最大的瓶颈居然是时间范围限制，那么我们可以怎样使时间范围限制的代价最小呢？
当需要搜索指定时间范围内的结果时，可以：
1、用RangeQuery，设置范围，但是RangeQuery的实现实际上是将时间范围内的时间点展开，组成一个个BooleanClause加入到 BooleanQuery中查询，因此时间范围不可能设置太大，经测试，范围超过一个月就会抛 BooleanQuery.TooManyClauses，可以通过设置 BooleanQuery.setMaxClauseCount (int maxClauseCount)扩大，但是扩大也是有限的，并且随着maxClauseCount扩大，占用内存也扩大
2、用 RangeFilter代替RangeQuery，经测试速度不会比RangeQuery慢，但是仍然有性能瓶颈，查询的90%以上时间耗费在 RangeFilter，研究其源码发现RangeFilter实际上是首先遍历所有索引，生成一个BitSet，标记每个document，在时间范围内的标记为true，不在的标记为false，然后将结果传递给Searcher查找，这是十分耗时的。
3、进一步提高性能，这个又有两个思路：
a、缓存Filter结果。既然RangeFilter的执行是在搜索之前，那么它的输入都是一定的，就是IndexReader，而 IndexReader是由Directory决定的，所以可以认为RangeFilter的结果是由范围的上下限决定的，也就是由具体的 RangeFilter对象决定，所以我们只要以RangeFilter对象为键，将filter结果BitSet缓存起来即可。lucene API 已经提供了一个CachingWrapperFilter类封装了Filter及其结果，所以具体实施起来我们可以 cache CachingWrapperFilter对象，需要注意的是，不要被CachingWrapperFilter的名字及其说明误导， CachingWrapperFilter看起来是有缓存功能，但的缓存是针对同一个filter的，也就是在你用同一个filter过滤不同 IndexReader时，它可以帮你缓存不同IndexReader的结果，而我们的需求恰恰相反，我们是用不同filter过滤同一个 IndexReader，所以只能把它作为一个封装类。
b、降低时间精度。研究Filter的工作原理可以看出，它每次工作都是遍历整个索引的，所以时间粒度越大，对比越快，搜索时间越短，在不影响功能的情况下，时间精度越低越好，有时甚至牺牲一点精度也值得，当然最好的情况是根本不作时间限制。
下面针对上面的两个思路演示一下优化结果（都采用800线程随机关键词随即时间范围）：
第一组，时间精度为秒：
方式 直接用RangeFilter 使用cache 不用filter
平均每个线程耗时 10s 1s 300ms
第二组，时间精度为天
方式 直接用RangeFilter 使用cache 不用filter
平均每个线程耗时 900ms 360ms 300ms
由以上数据可以得出结论：
1、 尽量降低时间精度，将精度由秒换成天带来的性能提高甚至比使用cache还好，最好不使用filter。
2、 在不能降低时间精度的情况下，使用cache能带了10倍左右的性能提高。
使用更好的分析器
这个跟创建索引优化道理差不多，索引文件小了搜索自然会加快。当然这个提高也是有限的。较好的分析器相对于最差的分析器对性能的提升在20%以下。
一些经验
关键词区分大小写
OR AND TO等关键词是区分大小写的，lucene只认大写的，小写的当做普通单词。
读写互斥性
同一时刻只能有一个对索引的写操作，在写的同时可以进行搜索
文件锁
在写索引的过程中强行退出将在tmp目录留下一个lock文件，使以后的写操作无法进行，可以将其手工删除
时间格式
lucene只支持一种时间格式yyMMddHHmmss，所以你传一个yy-MM-dd HH:mm:ss的时间给lucene它是不会当作时间来处理的
设置boost
有些时候在搜索时某个字段的权重需要大一些，例如你可能认为标题中出现关键词的文章比正文中出现关键词的文章更有价值，你可以把标题的boost设置的更大，那么搜索结果会优先显示标题中出现关键词的文章（没有使用排序的前题下）。使用方法：
Field. setBoost(float boost);默认值是1.0，也就是说要增加权重的需要设置得比1大。
Compass框架
还没学