Lucene学习入门——核心类API

索引过程的核心类：

执行简单的索引过程需要如下几个类：IndexWriter, Directory, Analyzer, Document, Field

一、IndexWriter类

IndexWriter（写索引）是索引过程的核心组件。

负责创建新索引或者打开已有索引，以及向索引中添加、删除或更新被索引文档的信息。

它为你提供对索引文件的写入操作，但不能用于读取或搜索索引。IndexWriter需要开辟一定空间来存储索引，该功能可以由Directory完成。

二、Directory类

描述了Lucene索引的存放位置。是一个抽象类，它的子类负责具体指定索引的存储位置。

FSDirectory.open方法来获取真实文件在文件系统的存储路径，然后将它们依次传递给IndexWriter类构造方法。

Lucene包含大量有趣的Directory实现。IndexWriter不能直接索引文本，这需要先由Analyzer将文本分割成独立的单词才行。

三、Analyzer类

文件文件在被索引之前，需要经过Analyzer（分析器）处理。

Analyzer是由IndexWriter的构造方法来指定的，它负责从被索引文本文件中提取语汇单元，并提出剩下的无用信息。

如果被索引内容不是纯文本文件，那就需要先将其转换为文本文档。（Tika从常用的多媒体格式文件中提取文本内容）

Analyzer是一个抽象类，而Lucene提供了几个类实现它。这些类有的用于跳过停用词（stop words）（指一些常用的且不能帮助区分文档的词，如a, an,the, in,on等）；有的用于把词汇单元转成小写形式，以使搜索过程能忽略大小写差别；除此之外，还有一些其他类。

Analyzer是Lucene很重要的一部分，它的用途远远不止过滤输入这一项。

分析器的分析对象为文档，该文档包含一些分离的能被索引的域。

四、Document

Document（文档）对象代表一些域（Field）的集合。可以将Document对象理解为虚拟文档——比如Web页面、E-mail信息或者文本文件——然后可以从中取回大量数据。

文档的域代表文档或者和文档相关的一些元数据。

文档的数据源（比如数据库记录、Word文档、书中的某章节等）对呀Lucene来说是无关紧要的。

Lucene只处理从二进制文档中提取的以Field实例形式出现的文本。

上述元数据（如作者、标题、主题和修改日期等）都作为文档的不同域单独存储并被索引。

 

Document对象的结构比较简单，为一个包含多个Field对象的容器；Field是指包含能被索引的文本内容的类。

 

五、Field类

索引中的每个文档都包含一个或多个不同命名的域，这些域包含在Field类中。每个域都有一个域名和对应的域只，以及一组选项来精确控制Lucene索引操作各个域值。

搜索过程的核心类：

IndexSearcher, Term, Query, TermQuery, TopDocs

一、IndexSearcher类

IndexSearcher类用于搜索由IndexWriter类创建的索引：公开了几个搜索方法，它是连接索引的中心环节。

 

标签：

版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点，本站所提供的摄影照片，插画，设计作品，如需使用，请与原作者联系，版权归原作者所有