lucene介绍

　　lLucene是apache软件基金会4 jakarta项目组的一个子项目，是一个开发源代码的全文检索引擎工具包。它是一个很强大的搜索库，能轻易的将搜索功能加入到任何程序中。能对文档搜索，文档内信息搜索或相关文档进行搜索等操作，源码由java实现，是一个成熟，卡原的检索工具。

　　lucene的整体架构如下：

　　　　　　　　　　　　

　　从图中，我们可以看出，主要分为两个大步骤，一个是建立索引的过程，一个是通过关键字查找索引搜索的过程。

　　索引过程，可以从DB，web，文件系统等来源抓取原始数据，对该数据通过以某种方式，对某些内容，建立索引文档。

　　搜索过程，通过对用户搜索的关键字，通过分词等构造得到查询关键字的索引，进而从索引库中找到相关内容。

　　

    从构建索引和搜索两个过程，来介绍lucene的使用。

   首先，得了解使用lucene的几个基本类。

　　索引过程：

　　1，indexWirter

　　indexWriter是写索引的关键组件。这个类负责创建，打开或关闭索引，并想索引中写入内容。不过IndexWrier需要一个空间来储存内容，这个由Directory完成。

　　2，Directory

　　directory描述了lucene的储存路径。每个directory对应一个索引库。

　　3，Analysis

　　该类是对文档索引之前的操作，文档再索引之前会经过分词器的处理，比如一行“hello world"，对空格处理的分词器就将该内容分成两个部分”hello“，”world",大写也有可能会都变成小写。这一些在索引之前的一些操作由分词器来操作。

　　4,Field

　　该类是保存一个文档中的的基本单位，也可以理解为一个文档中的一个属性。lucene中有不同的Field类，比如字符串类型，整型等，同时Field还有很多设置选项，比如该Field是否存储，是否被索引，已经存储格式等。是Document中携带信息单元。

　　5，document

　　document字面上意思就是一个文档，一个document是索引保存记录的基本单位，索引中保存的位置什么的就是document的位置信息，和db比较，可以理解为一个表中的一行记录。它代表一些域Field的集合。

　　下面是一个索引过程的基本代码（lucene版本5.4.1）

　　

            Analyzer analyzer = new SimpleAnalyzer();

            IndexWriterConfig config = new IndexWriterConfig(analyzer);
            config.setRAMBufferSizeMB(bufferMB);
            config.setMaxBufferedDocs(bufferSize);

            String path = "D:\repositoryName";
            Directory index = FSDirectory.open(Paths.get(path));
            IndexWriter writer = new IndexWriter(index, config);

            for (int i = 0; i < 100; i++) {
                Document doc = new Document();
                doc.add(newStringField("msid", record.getMsid(),
                        Field.Store.YES));
                doc.add(new StringField("city", record.getCity(),
                        Field.Store.YES));
                writer.add(doc);

            }
            writer.close();

　　检索过程：

　　1，Term

　　Term是搜索功能的基本单元，和构建索引过程的Field类似，不过Field可能会被分词成几个单元。term包含的是搜索的字段名称，以及对应搜索的内容。

　　2，IndexReader,indexSearcher

　　indexReader与indexWriter想对应。indexWriter是对索引的写入，而indexReader是对索引的读取。indexSearcher则是在indexReader上构建的一个搜索入口对象。

　　3，Query

　　query指的就是查询，query是指的查询的条件，有一个或多个Term构成。同时query有很多子类，分别对应不同类型，不同范围的查询。

　　4，TopDocs

　　topDocs是查询结果集，indexSearcher查询条件query得到的结果。包含的是结果document的id。

　　搜索过程基本代码：

　　　　

        String path ="D:\repositoryName";
        Directory index = FSDirectory.open(Paths.get(path));
        IndexReader reader = DirectoryReader.open(index);
        
        IndexSearcher searcher = new IndexSearcher(reader);
        
        Query query = new TermQuery(new Term("msid","ttt"));
        List<Record> retList = new ArrayList<Record>();
        
        TopScoreDocCollector collector = TopScoreDocCollector.create(maxResultCount);
        searcher.search(query, collector);
        
          ScoreDoc[] hits = collector.topDocs().scoreDocs;
          
        for(int i=0;i<hits.length;++i) {
              int docId = hits[i].doc;

              Document document = searcher.doc(docId);
              String msid = document.get("msid");
        }
        
        reader.close();

 以上是lucene的一个最基本的功能构建索引与搜索的简单代码，能快速入手使用。