Lucene搜索的api的類主要有4個(gè) IndexSearcher ,Query（包括子類）,QueryParser,Hits
一:IndexSearcher是搜索的入口，他的search方法提供了搜索功能
Query有很多子類， 各種不同的子類代表了不同的查詢條件,下文詳述
QueryParser是一個(gè)非常通用的幫助類，他的作用是把用戶輸入的文本轉(zhuǎn)換為內(nèi)置的Query對(duì)象（大多數(shù)web搜索引擎都提供一個(gè)查詢輸入框來讓用戶輸入查詢條件）。QueryParser內(nèi)置提供了很多語法來使使用可以輸入各種高級(jí)條件的Query。比如: "Hello AND world"會(huì)被解析為一個(gè)AND關(guān)系的BooleanQuery，他包含兩個(gè)TermQuery(Hell和world)。這些語法雖然強(qiáng)大，但都針對(duì)英文設(shè)計(jì)，對(duì)我們需要中文搜索來說都不需要了解太多的Query類型，一般幾個(gè)簡單的就夠用了。QueryParser的使用如下
QueryParser.parse(String query, String field, Analyzer analyzer) throws ParseException
其中：query是用戶輸入的內(nèi)容,field是搜索默認(rèn)的field（其他field需要顯式指定），analyzer是用來將用戶輸入的內(nèi)容也作分析處理（分詞），一般情況下這里的anaylyzer是index的時(shí)候采用的同一analyzer。
另外我們也可以自己構(gòu)造一個(gè)QueryParser: new QueryParser(String field, Analyzer a)(含義同上),這樣做的好處是可以自己定義調(diào)整一些參數(shù).
搜索結(jié)果的處理:Hits對(duì)象
Hits對(duì)象是搜索結(jié)果的集合 主要有下面幾個(gè)方法
length() ,這個(gè)方法記錄有多少條結(jié)果返回(lazy loading)
doc(n) 返回第n個(gè)記錄
id(in) 返回第n個(gè)記錄的Document ID
score(n) 第n個(gè)記錄的相關(guān)度(積分)
由于搜索的結(jié)果一般比較大，從性能上考慮，Hits對(duì)象并不會(huì)真正把所有的結(jié)果全部取回，默認(rèn)情況下是保留前100個(gè)記錄(對(duì)于一般的搜索引擎,100個(gè)記錄足夠了).
分頁的處理
100條記錄還是太多，我們多半會(huì)每頁顯示20條記錄，然后分為若干頁顯示，對(duì)于分頁，一般有兩個(gè)辦法
在session中保留indexreader對(duì)象和hit對(duì)象，翻頁的時(shí)候提取內(nèi)容
不使用session，每次都簡單處理為重新查詢
lucene推薦先使用第二個(gè)辦法，即每次都重新查詢，這樣做的好處是簡單方便，不需要考慮session的問題，lucene的查詢效率也能保證每次查詢時(shí)間不長，除非真正有了性能問題，否則不用考慮第一個(gè)辦法。
緩存：RAMDirectory的用法
RAMDirectory對(duì)象很好用，通過它，我們可以把一個(gè)普通的index完全讀取到內(nèi)存中,用法如下：
RAMDirectory ramDir = new RAMDirectory(dir);
這樣的ramdir效率自然比真正的文件系統(tǒng)快很多
Lucene的scoring算法
lucence查詢的紀(jì)錄默認(rèn)按照相關(guān)度排序，這個(gè)相關(guān)度就是score,scoring的算法是比較復(fù)雜的,對(duì)于我們做應(yīng)用的人似乎沒有什么幫助，（先說一下Term: 我的理解是Term為一個(gè)獨(dú)立的查詢?cè)~,用戶輸入的的查詢通過各種分詞，大小寫處理(正規(guī)化),消除stopwords等）以后，會(huì)已Term為基本單位），幾個(gè)關(guān)鍵參數(shù)稍微留意一下即可。
Term在文章中出現(xiàn)的頻率量
包含同一個(gè)Term的文章的頻率
field中的boosting參數(shù)
term的長度
term在文章中的數(shù)量
一般來說,這些參數(shù)我們都不可能去調(diào)整, 如果你想了解更多,IndexSearcher還提供了一個(gè)explain方法, 通過傳入一個(gè)Query和document ID,你可以得到一個(gè)Explaination對(duì)象,他是對(duì)內(nèi)部算法信息的簡單封裝,toString()一下就可以看到詳細(xì)的說明
二:創(chuàng)建Query:各種query介紹
最普通的TermQuery
TermQuery最普通, 用Term t=new Term("contents","cap"); new TermQuery(t)就可以構(gòu)造
TermQuery把查詢條件視為一個(gè)key, 要求和查詢內(nèi)容完全匹配,比如Field.Keyword類型就可以使用TermQuery
RangeQuery
RangeQuery表示一個(gè)范圍的搜索條件,RangeQuery query = new RangeQuery(begin, end, included);
最后一個(gè)boolean值表示是否包含邊界條件本身, 用字符表示為"[begin TO end]" 或者"{begin TO end}"
PrefixQuery
顧名思義,就是表示以某某開頭的查詢, 字符表示為"something*"
BooleanQuery
這個(gè)是一個(gè)組合的Query,你可以把各種Query添加進(jìn)去并標(biāo)明他們的邏輯關(guān)系,添加條件用
public void add(Query query, boolean required, boolean prohibited)
方法, 后兩個(gè)boolean變量是標(biāo)示AND or NOT三種關(guān)系 字符表示為" AND or NOT" 或 "+ -" ,一個(gè)BooleanQuery中可以添加多個(gè)Query, 如果超過setMaxClauseCount(int)的值(默認(rèn)1024個(gè))的話,會(huì)拋出TooManyClauses錯(cuò)誤.
PhraseQuery
表示不嚴(yán)格語句的查詢,比如"red pig"要匹配"red fat pig","red fat big pig"等,PhraseQuery所以提供了一個(gè)setSlop()參數(shù),在查詢中,lucene會(huì)嘗試調(diào)整單詞的距離和位置,這個(gè)參數(shù)表示可以接受調(diào)整次數(shù)限制,如果實(shí)際的內(nèi)容可以在這么多步內(nèi)調(diào)整為完全匹配,那么就被視為匹配.在默認(rèn)情況下slop的值是0, 所以默認(rèn)是不支持非嚴(yán)格匹配的, 通過設(shè)置slop參數(shù)(比如"red pig"匹配"red fat pig"就需要1個(gè)slop來把pig后移動(dòng)1位),我們可以讓lucene來模糊查詢. 值得注意的是,PhraseQuery不保證前后單詞的次序,在上面的例子中,"pig red"需要2個(gè)slop,也就是如果slop如果大于等于2,那么"pig red"也會(huì)被認(rèn)為是匹配的.
WildcardQuery
使用?和*來表示一個(gè)或多個(gè)字母比如wil*可以匹配 wild ,wila ,wilxaaaa...,值得注意的是,在wildcard中,只要是匹配上的紀(jì)錄,他們的相關(guān)度都是一樣的,比如wilxaaaa和wild的對(duì)于wil*的相關(guān)度就是一樣的.
FuzzyQuery
這個(gè)Query對(duì)中文沒有什么用處,他能模糊匹配英文單詞(前面的都是詞組),比如fuzzy和wuzzy他們可以看成類似, 對(duì)于英文的各種時(shí)態(tài)變化和復(fù)數(shù)形式,這個(gè)FuzzyQuery還算有用,匹配結(jié)果的相關(guān)度是不一樣的.字符表示為 "fuzzy~"
三:QueryParser使用
對(duì)于搜索引擎, 很多情況下用戶只需要一個(gè)輸入框就要輸入所有的查詢條件(比如google), 這時(shí),QueryParser就派上用場(chǎng)了,他的作用就是把各種用戶輸入轉(zhuǎn)為Query或者Query組, 他把上面提到的Query的字符表示(Query.toString)轉(zhuǎn)化為實(shí)際的Query對(duì)象,比如"wuzzy~"就會(huì)轉(zhuǎn)換為FuzzyQuery, 不過QueryParser用到了Analyzer,所以QueryParser parse過后的Query再toString未必和原來的一樣.Query額外的語法有:
分組:Groupping
比如"(a AND b) or C",就是括號(hào)分組,很容易理解
FieldSelectiong
QueryParser的查詢條件是對(duì)默認(rèn)的Field進(jìn)行的, 它在QueryParser解析的時(shí)候編碼指定, 如果用戶需要在查詢條件中選用另外的Field, 可以使用如下語法: fieldname:fielda, 如果是多個(gè)分組,可以用fieldname:(fielda fieldb fieldc)表示.
*號(hào)問題
QueryParse默認(rèn)不允許*號(hào)出現(xiàn)在開始部分，這樣做的目的主要是為了防止用戶誤輸入*來頭導(dǎo)致嚴(yán)重的性能問題（會(huì)把所有記錄讀出）
boosting
通過hello^2.0 可以對(duì)hello這個(gè)term進(jìn)行boosting，(我想不到什么用戶會(huì)這樣么bt)
QueryParser是一個(gè)準(zhǔn)備好的,立即可以工作的幫助類,不過他還是提供了很多參數(shù)供程序員調(diào)整，首先,我們需要自己構(gòu)造一個(gè)新的QueryParser,然后對(duì)他的各種參數(shù)來定制化