爱华网创建索引：
Java code
public void index() throws CorruptIndexException,LockObtainFailedException, IOException {// 索引目录 File indexDir = new File("D:/workspace/code/java/TestLucene3/index/txt/test/");// 注意：这里建立索引用的分词方法，在搜索时分词也应该采用同样的分词方法。不然搜索数据可能会不正确// 使用Lucene自带分词器 Analyzer luceneAnalyzer = new StandardAnalyzer(Version.LUCENE_CURRENT);// 第一个参数是存放索引文件位置， 第二个参数是使用的分词方法， 第三个：true，建立全新的索引，false,建立增量索引。// IndexWriter indexWriter = new IndexWriter(indexDir, luceneAnalyzer, true);// 第一个参数是存放索引目录有FSDirectory（存储到磁盘上）和RAMDirectory（存储到内存中）， 第二个参数是使用的分词器， 第三个：true，建立全新的索引，false,建立增量索引，第四个是建立的索引的最大长度。 IndexWriter indexWriter = new IndexWriter(FSDirectory.open(indexDir),luceneAnalyzer, true, IndexWriter.MaxFieldLength.LIMITED);// 索引合并因子// SetMergeFactor（合并因子）// SetMergeFactor是控制segment合并频率的，其决定了一个索引块中包括多少个文档，当硬盘上的索引块达到多少时，// 将它们合并成一个较大的索引块。当MergeFactor值较大时，生成索引的速度较快。MergeFactor的默认值是10，建议在建立索引前将其设置的大一些。 indexWriter.setMergeFactor(100);// SetMaxBufferedDocs（最大缓存文档数）// SetMaxBufferedDocs是控制写入一个新的segment前内存中保存的document的数目，// 设置较大的数目可以加快建索引速度，默认为10。 indexWriter.setMaxBufferedDocs(100);// SetMaxMergeDocs（最大合并文档数）// SetMaxMergeDocs是控制一个segment中可以保存的最大document数目，值较小有利于追加索引的速度，默认Integer.MAX_VALUE，无需修改。// 在创建大量数据的索引时，我们会发现索引过程的瓶颈在于大量的磁盘操作，如果内存足够大的话，// 我们应当尽量使用内存，而非硬盘。可以通过SetMaxBufferedDocs来调整，增大Lucene使用内存的次数。 indexWriter.setMaxMergeDocs(1000);// SetUseCompoundFile这个方法可以使Lucene在创建索引库时，会合并多个 Segments 文件到一个.cfs中。// 此方式有助于减少索引文件数量，对于将来搜索的效率有较大影响。// 压缩存储（True则为复合索引格式） indexWriter.setUseCompoundFile(true);long startTime = new Date().getTime();String temp = "";// 增加索引字段//// 在Field中有三个内部类：Field.Index,Field.Store,Field.termVector，而构造函数也用到了它们。// 参数说明：// Field.Store：// Field.Store.NO：表示该Ｆield不需要存储。// Field.Store.Yes：表示该Ｆield需要存储。// Field.Store.COMPRESS：表示使用压缩方式来存储。// Field.Index：// Field.Index.NO：表示该Ｆield不需要索引。// Field.Index.TOKENIZED：表示该Ｆield先被分词再索引。// Field.Index.UN_TOKENIZED：表示不对该Ｆield进行分词，但要对其索引。// Field.Index.NO_NORMS：表示该Ｆield进行索引，但是要对它用Analyzer，同时禁止它参加评分，主要是为了减少内在的消耗。// TermVector这个参数也不常用，它有五个选项。// Field.TermVector.NO表示不索引Token的位置属性；// Field.TermVector.WITH_OFFSETS表示额外索引Token的结束点；// Field.TermVector.WITH_POSITIONS表示额外索引Token的当前位置；// Field.TermVector.WITH_POSITIONS_OFFSETS表示额外索引Token的当前和结束位置；// Field.TermVector.YES则表示存储向量。// 增加文档 Field相当于增加数据库字段一样检索,获取都需要的内容,直接放index中,不过这样会增大index,保存文件的txt内容 /*** Field.Store 表示“是否存储”，即该Field内的信息是否要被原封不动的保存在索引中。* Field.Index 表示“是否索引”，即在这个Field中的数据是否在将来检索时需要被用户检索到，一个“不索引”的Field通常仅是提供辅助信息储存的功能。* Field.TermVector 表示“是否切词”，即在这个Field中的数据是否需要被切词。*/Field fieldPath = new Field("path", "", Field.Store.YES, Field.Index.NO);Field fieldBody = new Field("content", temp, Field.Store.YES, Field.Index.ANALYZED, Field.TermVector.WITH_POSITIONS_OFFSETS);Field fieldId = new Field("id", "", Field.Store.YES, Field.Index.NOT_ANALYZED, Field.TermVector.WITH_POSITIONS_OFFSETS);Document document = new Document();// 做测试，循环100000遍建索引。也可以读取文件内容建索引 for (int i=0; i<100000; i++) {document = new Document();temp = "王熙凤历幻返金陵 甄应嘉蒙恩还玉阙";fieldPath.setValue("D:\workspace\code\java\TestLucene3\txt\" + i + ".txt");fieldBody.setValue(temp);fieldId.setValue(String.valueOf(i));document.add(fieldPath);document.add(fieldBody);document.add(fieldId);indexWriter.addDocument(document);i++;}//optimize()方法是对索引进行优化 indexWriter.optimize();indexWriter.close();// 若需要从索引中删除某一个或者某一类文档，IndexReader提供了两种方法：// reader.DeleteDocument(int docNum)// reader.DeleteDocuments(Term term)// 前者是根据文档的编号来删除该文档，docNum是该文档进入索引时Lucene的编号，是按照顺序编的；后者是删除满足某一个条件的多个文档。// 在执行了DeleteDocument或者DeleteDocuments方法后，系统会生成一个*.del的文件，该文件中记录了删除的文档，但并未从物理上删除这些文档。此时，这些文档是受保护的，当使用Document// doc = reader.Document(i)来访问这些受保护的文档时，Lucene会报“Attempt to access a// deleted document”异常。如果一次需要删除多个文档时，可以用两种方法来解决：// 1. 删除一个文档后，用IndexWriter的Optimize方法来优化索引，这样我们就可以继续删除另一个文档。// 2. 先扫描整个索引文件，记录下需要删除的文档在索引中的编号。然后，一次性调用DeleteDocument删除这些文档，再调用IndexWriter的Optimize方法来优化索引。long endTime = new Date().getTime();System.out.println("n这花费了" + (endTime - startTime) + " 毫秒增加到索引!");}
查询：
Java code
/*** 查询** @param String word 关键词* @param String filedName 域字段* @param String indexDir 索引位置* @throws CorruptIndexException* @throws IOException* @throws ParseException* @auther <a href="mailto:gaoxuguo@feinno.com">Gao XuGuo</a> Nov 30, 2009* 2:56:42 PM*/public List<Map<String, String>> search(String indexDir)throws CorruptIndexException, IOException, ParseException {File file = new File(indexDir);IndexSearcher is = new IndexSearcher(FSDirectory.open(file), true);String field = "content";BooleanQuery bq = new BooleanQuery();QueryParser parser = new QueryParser(Version.LUCENE_CURRENT, field,new StandardAnalyzer(Version.LUCENE_CURRENT));Query query = parser.parse("content:王熙凤");Query q = new TermQuery(new Term("id","100"));bq.add(q,Occur.SHOULD);bq.add(query,Occur.SHOULD);// 100表示取前100条数据 TopScoreDocCollector collector = TopScoreDocCollector.create(100, true);long start = new Date().getTime();// start time/*** Lucene内置了三个Filter子类：* 1)DateFilter使搜索只限于指定的日期域的值在某一时间范围内的文档空间里* 2)QueryFilter把查询结果做为另一个新查询可搜索的文档空间* 3)CachingWrappperFilter是其他过滤器的装饰器，将结果缓存起来以便再次使用，从而提高性能。**/String[] dirs = {indexDir};MultiSearcher ms = this.getMultiSearcher(dirs);ms.search(bq, collector);// is.search(bq, collector); ScoreDoc[] docs = collector.topDocs().scoreDocs;Document doc;for (ScoreDoc sd : docs) {doc = is.doc(sd.doc);// 取得doc里面的Field并从doc里面读取值 for (Fieldable fa : doc.getFields()) {System.out.print(fa.name() + "=" + doc.get(fa.name()) + " ");}System.out.println();}long end = new Date().getTime();if(is != null) is.close();System.out.println("找到 " + collector.getTotalHits()+ " 条数据，花费时间 " + (end - start)+ " 秒");return null;}
少发了一个方法：
Java code
/*** 得到MultiSearcher多目录查询实例** @param String[] dirs 要查询的索引目录。** @return MultiSearcher* @throws IOException* @auther <a href="mailto:gaoxuguo@feinno.com">Gao XuGuo</a>* Jan 22, 2010 3:44:16 PM*/private MultiSearcher getMultiSearcher(String[] dirs) throws IOException {// 多目录 IndexSearcher [] searchers = new IndexSearcher[dirs.length];int i = 0;for (String dir : dirs) {searchers[i] = new IndexSearcher(FSDirectory.open(new File(dir)), true);i++;}// 多目录查询 return new MultiSearcher(searchers);}
