lucene 初探

lucene初探, 是为了后面solr做准备的. 如果跳过lucene, 直接去看solr, 估计有点懵. 

由于时间的关系, lucene查询方法也有多个, 所以单独出来.

 一. 精确查询

     /**
     * 获取 查找对象
     * @return
     * @throws Exception
     */
    private IndexSearcher getSearcher() throws Exception {
        //1. 创建一个directory对象, 也就是索引库存放的位置
        Directory directory = FSDirectory.open(new File(indexDir));

        //2. 创建一个indexReader对象, 需要指定directory
        IndexReader indexReader = DirectoryReader.open(directory);

        //3. 创建一个indexSearcher对象, 需要指定indexReader对象
        IndexSearcher indexSearcher = new IndexSearcher(indexReader);

        return indexSearcher;
    }

     /**
     * 输出信息到控制台
     * @param indexSearcher
     * @param query
     * @throws Exception
     */
    public void sout(IndexSearcher indexSearcher, Query query) throws Exception {
        //5. 执行查询
        TopDocs topDocs = indexSearcher.search(query, 5);

        //6. 返回查询结果
        ScoreDoc[] scoreDocs = topDocs.scoreDocs;
        for (ScoreDoc scoreDoc : scoreDocs) {
            //获取文档id
            int doc = scoreDoc.doc;
            //根据文档id获取文档
            Document document = indexSearcher.doc(doc);
            //文件名字
            String fileName = document.get("fileName");
            //文件大小
            String fileSize = document.get("fileSize");
            //文件路径
            String filePath = document.get("filePath");
            //文件内容
            String fileContent = document.get("fileContent");

            System.out.println("fileName : " + fileName);
            System.out.println("fileSize : " + fileSize);
            System.out.println("filePath : " + filePath);
            System.out.println("fileContent : " + fileContent);
            System.out.println("-----------------------");
        }
    }

     /**
     * 精确查询
     *
     * @throws Exception
     */
    @Test
    public void searchIndex() throws Exception {

        //1. 获取查询对象
        IndexSearcher indexSearcher = getSearcher();

        //2. 创建一个TermQuery对象, 指定查询的域和查询的关键词
        Query query = new TermQuery(new Term("fileName", "生活"));

        sout(indexSearcher, query);

        //3. 关闭IndexReader 对象
        indexSearcher.getIndexReader().close();
    }

在查询的时候, 新建一个Term对象, 进去精确匹配. 前一篇提到过, 经过分词器分下来的每一个词或者一段话, 就是一个Term.

这里在新建Term的时候, 传入的是 域名 和 要搜索的词.

这里, 一个Term对象, 只有一个域, 那如果我想查询多个域怎么办呢.

二. 组合查询

/**
 * 组合查询
 */
@Test
public void queryBoolean() throws Exception {
    IndexSearcher searcher = getSearcher();

    BooleanQuery query = new BooleanQuery();

    Query query1 = new TermQuery(new Term("fileName", "生活"));
    Query query2 = new TermQuery(new Term("fileContent", "生活"));

    query.add(query1, BooleanClause.Occur.MUST);
    query.add(query2, BooleanClause.Occur.SHOULD);

    //System.out.println(query);

    sout(searcher, query);

    searcher.getIndexReader().close();
}

这里的Occur枚举值, 有三个, must, should, must_not .

must : 相当于sql里面的 and 连接

should : 相当于 or , 可有可没有

must_not : 相当于 != , 不包含

这里如果打印query, 会显示:  +fileName:生活  fileContent:生活

这是lucene的一种语法, lucene可以根据语法来查询数据. 后面会提到. 如果是must_not , 则使用减号. 

如: 将上面的query2使用 MUST_NOT 连接, 则显示成: +fileName:生活  -fileContent:生活

三 . 查询所有

一般查询数据库的时候, 都会提供一个 getAll 方法, 用于查询满足条件的所有数据, 当不传条件时, 就查询所有

lucene也提供了一个查询所有的方法 : MatchAllDocsQuery 

/**
 * 查询所有
 *
 * @throws Exception
 */
@Test
public void queryAll() throws Exception {
    IndexSearcher searcher = getSearcher();

    Query query = new MatchAllDocsQuery();

    sout(searcher, query);

    searcher.getIndexReader().close();
}

四. 数值区间查询

/**
 * 数值区间查询
 *
 * @throws Exception
 */
@Test
public void queryNumericRange() throws Exception {
    IndexSearcher searcher = getSearcher();

    Query query = NumericRangeQuery.newLongRange("fileSize", 10L, 647L, true, true);

    sout(searcher, query);

    searcher.getIndexReader().close();
}

这里的语法输出就是 :  fileSize:[40 to 647]

这是因为我后面两个都设置为true, 表示包含关系. 如果都设置为false, 就是 {40 to 647}

五. 分词器解析查询

如前面提到的, 我输入一句话查询, 结果展示的结果却并不是按照我输入的全匹配结果. 

那是因为在查询之前, 对输入的信息, 进行了分词器解析, 然后根据解析结果, 再去查询数据.

/**
 * 条件解析对象查询
 *
 * @throws Exception
 */
@Test
public void queryParser() throws Exception {

    IndexSearcher searcher = getSearcher();

    QueryParser queryParser = new QueryParser("fileName", new IKAnalyzer());

    //Query query = queryParser.parse("*:*");
    Query query = queryParser.parse("fileName:这花好漂亮");
    //Query query = queryParser.parse("花");

    sout(searcher, query);

    searcher.getIndexReader().close();
}

*:* 表示查询所有. 不管是哪个域.

fileName:这花好漂亮 : 表示在fileName域中, 将 "这花好漂亮" 分词解析后, 进行查询

花 : 在fileName域中, 查询花. 因为在QueryParse创建的时候, 指定了域为 fileName

即使我在QueryParser里面指定了要查询的域, 但是在parse的时候, 我可以重新指定域.

这里需要注意的是, 在上面数值区间查询的时候, 如果我直接写语法进去查询, 是查不出来的. 因为数值类型变了. 通过语法输进去, 变成字符串类型了. 

从结果中可以看到, 我输入 这花好漂亮, 查出来的却是 军中绿花. 这就是分词的作用了.

六. 多域分词查询

/**
 * 条件解析对象查询
 *
 * @throws Exception
 */
@Test
public void queryMultiParser() throws Exception {

    IndexSearcher searcher = getSearcher();

    String[] fields = {"fileName", "fileContent"};
    MultiFieldQueryParser queryParser = new MultiFieldQueryParser(fields, new IKAnalyzer());

    Query query = queryParser.parse("生活大爆炸");

    sout(searcher, query);

    searcher.getIndexReader().close();
}

多域分词查询, 没啥好说的了.