全文检索学习.pdf

Elasticsearch入门 一、全文检索的基本原理 Lucene 是一个高效的，基于 Java 的全文检索库。 所以在了解 Lucene 之前要费一番工夫了解一下全文检索。 那么什么叫做全文检索呢？这要从我们生活中的数据说起。 我们生活中的数据总体分为两种： 结构化数据 和非结构化数据 。 结构化数据： 指具有固定格式或有限长度的数据，如数据库，元数据等。 非结构化数据： 指不定长或无固定格式的数据，如邮件， word 文档等。 当然有的地方还会提到第三种，半结构化数据，如 XML ，HTML 等，当根据需 要可按结构化数据来处理，也可抽取出纯文本按非结构化数据来处理。 非结构化数据又一种叫法叫全文数据。 按照数据的分类，搜索也分为两种： 对结构化数据的搜索 ：如对数据库的搜索， 用 SQL 语句。再如对元数据的搜索，如利 用 windows 搜索对文件名，类型，修改时间进行搜索等。 对非结构