Posted on 2007-03-05 08:36
skycity 閱讀(328)
評論(0) 編輯 收藏 所屬分類:
APACHE開源項目
簡介
Doug Cutting 于2000年開始的項目 2001年9月后加入apache, Lucene是Doug Cutting的middle name 。 目前Lucene已經是apache的top level的項目， 已經不在jakarta下面， 同時也有了python，perl，c++，.net, Ruby(進行中)多個版本?
Lucene 主要的兩個任務:indexing and searching| Indexing主要使用的類 |
| IndexWriter | index文件由它創建 |
| Directory | 標志Index路徑的類：FSDirectory(文件系統)和RAMDirectory(內存) |
| Analyzer | 分析器，處理分詞,大小寫,詞根,消除stop words等,轉換格式 |
| document | 用于存儲field對象 |
| Field | 有4(5?)種類型的Field, 下面專門列出 |
stop words: 出現頻率非常高的一些詞匯,它們一般沒有檢索的意義, 比如英文中的(as a, an, the, in)
| 類型 | Analyzed | Indexed | Stored | 說明 |
| Field.Keyword(String) | ? | Y | Y | 儲存直接檢索的對象(身份證號,姓名,日期) |
| Field.UnIndexed(String,String) | ? | ? | Y | 不用于檢索信息,顯示文件類型、地址 |
| Field.UnStored(String,String) | Y | ? | ? | 大段文本內容,會用來檢索,但是不存儲 |
| Field.Text(String,String) | Y | Y | Y | 檢索,獲取都需要的內容,直接放index中,不過這樣會增大index |
| Field.Text(String,Reader) | Y | Y | ? | 建議采用Unstored的策略. |
| Searching主要使用的類 |
| IndexSearcher | 以只讀的方式訪問index(注意IndexReader不是只讀的),需要傳給他一個Query對象來搜索 |
| Term | Term是一個搜索的基本單位,包含Field(目標)和value(條件),可以直接用new Term("field","value")構造 |
| uery | uery有很多子類,比如BooleanQuery,PhraseQuery等,可以在Term基礎上加上邏輯(是 否, 或) |
| TermQuery | 很基本的Query, 可以由term構造 new TermQuery(term); |
| Hits | 包含了搜索的結構,默認按照相關度排序,hits并不會把所有記錄(可能很大)直接保存,而是有一個lazy loading機制 |
Lyyb2001