搜索引擎第四讲.pdfVIP

第四章 Lucene的索引与检索机制及其应用 §4.1 Lucene 简介 1 Lucene简介 • （课本P44－45 ） • Lucene-2.4.0.zip(即Lucene的Jar文件) 以 及Lucene-2.4.0-src.zip(即Lucene的源码) • 有关Lucene的好书： 《Lucene in Action》 • 另一本Lucene 的好书： 《Building search applications》 • 有关Lucene中API 的帮助文档 • Lucene是非常优秀的成熟的开源的免费的纯java语言 的全文索引检索工具包。是一个高性能、可伸缩的信息 搜索API库。它使你可以为你的应用程序添加索引和搜 索能力。 – 全文检索是指计算机索引程序通过扫描文章中的每 一个词，对每一个词建立一个索引，指明该词在文章 中出现的次数和位置，当用户查询时，检索程序就根 据事先建立的索引进行查找，并将查找的结果反馈给 用户的检索方式。 • Lucene是一个IR库而不是现成的产品，也不是web爬 行器。它最主要工作是替文件的每一个字作索引，索引 让搜寻的效率比传统的逐字比较大大提高，Lucen提供 一组解读，过滤，分析文件，编排和使用索引的API ， 它的强大之处除了高效和简单外，是最重要的是使用者 可以随时应自已需要自订其功能。 Lucene压缩包的主要内容 1. lucene-core-XX.jar: The compiled lucene library. 2. lucene-demos-XX.jar: The compiled simple example code. 3. luceneweb.war: The compiled simple example Web Application. 4. contrib/*: Contributed code which extends and enhances Lucene, but is not part of the core library. It contains various analyzers that people may find useful in place of the StandardAnalyzer. 5. docs/index.html: The contents of the Lucene website. 6. docs/api/index.html: The Javadoc Lucene API documentation. This includes the core library, the demo, as well as all of the contrib modules. 7. src/java: The Lucene source code. 8. src/demo: Some example code. Lucene中主要包的对应功能 包名 功能 org.apache.lucene.an 语言分析器，主要用于的切词，支持中文主要是扩展 alysis 此类 org.apache.lucene.do 索引存储时的文档结构管理，类似于关系型数据库的 cument 表结构 org.apache.lucene.in 索引管理，包括索引建立、删除等 dex org.apache.lucene.qu 查询分析器，实现查询关键词间的运算，如与、或、 eryParser 非等 org.apache.lucene.se 检索管理，根据查询条件，检索得到结果 arch org.apache.lucene.st 数据存储管理，主要包括一些底层的I/O操作 ore org.apache.lucene.uti 一些公用类