lucene3课堂笔记(第一天).docVIP

lucene3课堂笔记(第一天) lucene 课程学习2天 第一天 ： lucene 全文检索技术是什么？ 能用来做什么？ 环境搭建？ 快速入门 第二天 ： 检索、高亮显示 、分词器 ， 贴吧的综合练习 一、搜索引擎的历史 萌芽：Archie、Gopher Archie ：搜索FTP服务器上文件 Gopher ： 索引网页 起步：Robot（网络机器人）的出现与spider（网络爬虫） Robot： 基于网络执行特定任务的程序 spider ： 爬取互联网上信息（文件、网络） ----- 网络自动下载程序 发展：excite、galaxy、yahoo 繁荣：infoseek，altaVista，Google和baidu 二、 搜索技术能用来做什么 ？ 案例： 使用word中Ctrl+F 进行检索 ： 从文档内部自上而下搜索 从windows的资源管理器中看搜索 ：搜索每个文件夹，检索需要文件 myeclipse中help contents ： 软件内部的搜索 BBS和BLOG 提供文章搜索功能 ： 站内搜索 、 垂直领域搜索 （818工作网 ） Baidu和Google提供互联网中各种资源的搜索 ： 专业搜索网站 今天学习lucene 应用 1、 软件内部搜索 2、 站内搜索 3、 垂直领域搜索 4、 互联网搜索引擎 三、 信息检索的过程 构建文本库 建立索引 进行搜索 对结果进行排序 四、 倒排索引 传统线性查找一个10MB的word文件，查找关键字如果在文档最后，大约3秒钟 倒排搜索区别于传统查找，传统菜肴线性查找，按照信息从前到后，依次查找（效率低）， 倒排搜索，记录关键信息出现位置，通过索引内容快速找到关键 需要 信息内容 ，类似书籍的目标 （效率高 ） ============================================================================================================== 五、 lucene 快速入门 1、 什么是lucene 全文检索框架，apache提供 学习lucene ： 对数据建立全文索引 ， 根据全文索引搜索信息 免费开源 全文检索： 对需要查找数据 的每一个单词建立索引 官网：/ * 下载 lucene3.6.2 课程学习版本 * solr 是高性能搜索服务器， 基于 lucene （课程不涉及） **** lucene和搜索引擎关系 lucene 是搜索引擎开发技术 ，lucene并不是一个现成的产品 2、 使用lucene 开发5个步骤 * 下载lucene的开发包 lucene-3.6.2.zip * 导入jar包到工程 lucene-core-3.6.2.jar * 将数据转换为文档对象Document * 建立索引Index * 查询索引获取数据 lucene-core-3.6.2.jar 是lucene开发核心jar包 contrib 目录存放 扩展jar包 建立索引 需要先将数据转换 Document对象， 每个数据信息转换 Field(String name, String value, Field.Store store, Field.Index index) 指定索引库位置 Directory directory = FSDirectory.open(new File(index)); 分词器 Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_36); 写入索引 IndexWriterConfig indexWriterConfig = new IndexWriterConfig(Version.LUCENE_36, analyzer); IndexWriter indexWriter = new IndexWriter(directory, indexWriterConfig); // 将document数据写入索引库 indexWriter.addDocument(document); indexWriter.close(); ** 通过 luke 工具查看索引库中内容 下载网址 ： /p/luke/ 索引库中 包括 overview (索引内容)、 documents （文档对象内容） 查询索引库 建立Query QueryParser(Version matchVersion, String f, Analyzer a)