Lucene.net試用

2019-11-18 16:55:31

字體：大中小

來源：轉載

供稿：網友

【簡介】
　　lucene.net好多人都知道的吧，反正我是最近才好好的看了一下，別笑我拿歷史當新聞哦，不太了解Lucence的朋友先聽我說兩句哦。Lucene的知識主要分為索引、搜索、分析器、性能優化幾個部分。索引和搜索沒啥可說的，看幾個例子就會了，來回那一套兒，按部就班做幾個實驗就熟悉了。分析器是Lucence的精華，又分為分詞和過濾兩部分，而且中文分詞更是難點，我的例子里是用從博客園程序中提取出來的Lucene.Net.Analysis.Cn.dll來實現中文分詞的，誰有中科院的那套中科院ICTCLAS分詞工具的C#版麻煩提供一下哦。性能優化也很重要，因為如果要索引的文件比較大的話，建立索引的性能就會很大的下降，你可以調整IndexWriter的幾個參數來優化索引性能，還有可以用IndexWriter.Optimize()方法（這個方法主要是優化查詢速度，反而使索引性能有所下降），另外就是可以用多線程來分別對不同的內容進行索引并保存到RAMDirectory里，然后再把所有的內存索引合并到FSDirectory里，甚至可以讓多臺服務器分別處理內容的各個部分，然后把索引結果放到一個隊列里，再有一臺機器去讀取索引結果隊列并合并索引結果。
　　做這個示例主要是為了演示一下Lucene.net的功能，它可以對你指定的目錄里的.txt,.htm,.html文件進行全文索引，然后對其進行查詢。由于如果要索引的目錄里文件特別多特別大的話，建立索引需要花費很長的過程，所以我在示例程序里使用了異步編程，以便在建立索引的時候不阻塞界面線程。
【內容】
1、先看一個簡單例子
public void Test1()
{
//建立一個內存目錄
Lucene.Net.Store.RAMDirectory ramDir = new Lucene.Net.Store.RAMDirectory();

//建立一個索引書寫器
IndexWriter ramWriter = new IndexWriter(ramDir,new ChineseAnalyzer(), true);

//要索引的詞，這就相當于一個個的要索引的文件
string[] Words = {"中華人民共和國", "人民共和國", "人民","共和國"};

//循環數組，創建文檔，給文檔添加字段，并把文檔添加到索引書寫器里
Document doc = null;
for (int i = 0; i < words.Length; i++)
{
doc = new Document();
doc.Add(Field.Text("contents", words[i]));
ramWriter.AddDocument(doc);
}

//索引優化
ramWriter.Optimize();

//關閉索引讀寫器，一定要關哦,按理說應該把上面的代碼用try括主，在finally里關閉索引書寫器
ramWriter.Close();

//構建一個索引搜索器
IndexSearcher searcher = new IndexSearcher(ramDir);

//用QueryParser.Parse方法實例化一個查詢
Query query = QueryParser.Parse("中華人民","contents",new ChineseAnalyzer());

//獲取搜索結果
Hits hits = searcher.Search(query);

//判斷是否有搜索到的結果，當然你也可以遍歷結果集并輸出
if (hits.Length() != 0)
MessageBox.Show("有");
else
MessageBox.Show("沒有");
}
2、其它的具體看下載代碼吧。
　　下載的文件里有個doc的文件夾，里面有4個文本文件，大家可以試著給那個目錄建立索引，然后搜索一下“人民”，“中華”等幾個關鍵字，看看能出來搜索結果嗎？簡單說一下示例程序，就是遍歷一個目錄，找出所有文本和網頁的文件，建立Lucene的Document文件，并索引了文件的目錄和內容，然后添加到索引器里，最后在程序執行目錄的Index子目錄里建立索引，這一部分的調用使用了異步委托。搜索的時候就是在Index目錄里檢索符合某個關鍵字的條目。
【注意】
1、建立完索引后一定要調用IndexWriter的Close方法，否則如果你要索引的目錄里的文件少于minMergeDocs的話，是不能建立索引的。
2、Field.Text的靜態方法有兩個重載版本，如果第二個參數是string的話那么這個字段既索引也存儲，如果是TextReader的話只索引不存儲，這點要搞清楚，另外在構建TextReader的時候要注意使用合適的編碼格式，否則有的文件讀出來是亂碼，建立的索引肯定也是按亂碼建立的咯。
【小節】
　　其實lucene大家誰也是學學就會，關鍵要是整一個像google，baidu這樣的搜索引擎就難了，好歹這搜索引擎也是一個行業呢，所以誰有興趣，好好鉆研一下搜索行業的相關技術，沒準靠這個還能創業呢，是吧。
　　再問一下，《lucence實戰》有中文版嗎？或者其它關于Lucence的中午圖書，給推薦一本。
　　最后借貴地和大家討論一個問題：從長遠考慮，程序員學那項技術比較有前途？做程序也好幾年了，想找一個領域好好深入一下，以后做一個行業的領域專家。那樣才不會太累，要不什么都鼓搗，太累了，而且還不容易出成績。我列舉了幾個方向，大家幫忙分析分析，謝謝。
1、linux+Oracle（走數據庫管理的路線）
2、匯編、c底層驅動開發（據說很簡單，就那么幾個指令，學一年就精通了，不像.NET，得老跟著走）
3、ec++,kjava嵌入式開發（包括手機游戲，路由固件等開發）
4、即時通訊行業(網絡編程，包括網絡游戲的服務端編程這些)
5、搜索行業（不太了解）
6、OA、工作流（自己做一套不用編程，拖拖拽拽畫畫就能實現企業業務流程的電子化,infopath,OSS,formserver,WF的那一套）
7、.net網站開發（范圍很大，要掌握的東西太多，會的人很多，深入的很少）
8、流媒體開發（3G時代這玩意兒不知道能不能派上用場）
【參考】
idior的《Lucene.net系列》
李剛、宋偉、邱哲的《Ajax+lucene構建搜索引擎》