全文检索引擎API介绍.pdfVIP

全文检索引擎API介绍--第1页

Lucene：基于Java的全文检索引擎简介

Lucene是一个基于Java的全文索引工具包。

1.基于Java的全文索弓I弓I擎Lucene简介：关于作者和Lucene的历史

2.全文检索的实现：Luene全文索引和数据库索引的比较

3.中文切分词机制简介：基于词库和自动切分词算法的比较

4.具体的安装和使用简介：系统结构介绍和演示

5.HackingLucene：简化的杳询分析器，删除的实现，定制的排序，应用接口的扩展

6.从Lucene我们还可以学到什么

基于的全文索引检索引擎一一

Java/Lucene

Lucene不是一个完整的全文索引应用，而是是一个用Java写的全文索引引擎工具包，它可

以方便的嵌入到各种应用中实现针对应用的全文索引/检索功能。

Lucene的作者:Lucene的贡献者DougCutting是一位资深全文索引/检索专家，曾经是V-Twin

搜索引擎（Apple的Copland操作系统的成就之一）的主要开发者，后在Excite担任高级系统

架构设计师，目前从事于一些INTERNET底层架构的研究。他贡献出的Lucene的目标是为

各种中小型应用程序加入全文检索功能。

Lucene的发展历程：早先发布在作者自己的，后来发布在SourceForge,2001年年底成为

APACHE基金会jakarta的一个子项目：已经有很多Java项目都使用了Lucene作为其后台的

全文索引引擎，比较著名的有：

Jive：WEB论坛系统；

Eyebrows：邮件列表HTML归档/浏览/杳询系统，本文的主要参考文档TheLucene“

searchengine:Powerful,flexible,andfree”作者就是EyeBrows系统的主要开发者之

一，而EyeBrows已经成为目前APACHE项目的主要邮件列表归档系统。

Cocoon:基于XML的web发布框架，全文检索部分使用了Lucene

Eclipse:基于Java的开放开发平台，帮助部分的全文索引使用了Lucene

对于中文用户来说，最关心的问题是其是否支持中文的全文检索。但通过后面对于Lucene

的结构的介绍，你会了解到由于Lucene良好架构设计，对中文的支持只需对其语言词法分

析接口进行扩展就能实现对中文检索的支持。

全文检索的实现机制

Lucene的API接口设计的比较通用，输入输出结构都很像数据库的表==＞记录==＞字段，

所以很多传统的应用的文件、数据库等都可以比较方便的映射到Lucene的存储结构/接口

中。总体上看：可以先把Lucene当成一个支持全文索引的数据库系统。

比较一下Lucene和数据库：

Lucene数据库

全文检索引擎API介绍--第1页

全文检索引擎API介绍--第2页

索引数据源：doc(field1,field2...)索引数据源：record(field1,field2…)

doc(field1,field2...)record(field1..)

|LuceneIndex||DBIndex|

结果输出：Hits(doc(field1,field2)结果输出：results(rec