Lucene Query Parser
Lucene Query Parser 翻译这篇文章的初衷是希望能更系统的理解Lucene的用法，同时试试自己的翻译水平：） 原文：http://jakarta.apache.org/lucene/docs/queryparsersyntax.html 概述 虽然Lucene提供的API允许你创建你自己的Query（查询语句），但它同时也通过Query Parser（查询分析器）提供了丰富的查询语言。 这个页面提供的是Lucene的Query Parser的语法介绍：一个可通过用JavaCC把一个字符串解释成为Lucene的查询语句的规则。 在选择使用被提供的Query Parser前，请考虑一下几点： 1、如果你是通过编写程序生成一个查询语句，然后通过Query Parser分析，那么你需要认真的考虑是否该直接利用Query的API构造你的查询。换句话说，Query Parser是为那些人工输入的文本所设计的，而不是为了程序生成的文本。 2、未分词的字段最好直接加到Query中，而不要通过Query Parser。如果一个字段的值是由程序生成的，那么需要为这个字段生成一个Query Clause（查询子句）。Query Parser所用的Analyzer是为转换人工输入的文本为分词的。而程序生成的值，比如日期、关键字等，一般都由程序直接生成（？）。 3、在一个查询表单里，通常是文本的字段应该使用Query Parser。所有其他的，比如日期范围、关键字等等，最好是通过Query API直接加入到Query中。一个有有限个值的字段，比如通过下拉表单定义的那些，不应该被加到查询字串中（后面会分析到），而应该被添加为一个TermQuery子句。 分词 一个查询语句是有分词和操作符组成的。这里有两种类型的：单个的分词和短语。 一个单一分词就是一个简单的单词，比如”test”或”hello”。 一个短语就是一组被双引号包括的单词，比如”hello dolly”。 多个分词可以用布尔操作符组合起来形成一个更复杂的查询语句（下面会详细介绍）。 注意：用于建立索引的分析器（Analyzer）将被用于解释查询语句中的分词和短语。因此，合理的选择一个分析器是很重要的，当然这不会影响你在查询语句中使用的分词。 字段 Lucene支持字段数据。当执行一个搜索时，你可以指定一个字段，或者使用默认的字段。字段的名字和默认的字段是取决于实现细节的。 你可以搜索任何字段，做法是输入字段名称，结尾跟上一个冒号 “:” ， 然后输入你想查找的分词。 举个例子，让我们假设Lucene的索引包含两个字段，标题和正文，正文是默认字段。如果你想标题为 “The Right Way” 并且正文包含文本 “don’t go this way”的记录的话，你可以输入： title:”The Right Way” AND text:go 或者 title:”Do it right” […]
lucene简单实例
写文章的时候,感觉比较难写的就是标题,有时候不知道起什么名字好,反正这里写的都是关于lucene的一些简单的实例,就随便起啦. Lucene 其实很简单的,它最主要就是做两件事:建立索引和进行搜索 来看一些在lucene中使用的术语,这里并不打算作详细的介绍,只是点一下而已—-因为这一个世界有一种好东西，叫搜索。 IndexWriter:lucene中最重要的的类之一，它主要是用来将文档加入索引，同时控制索引过程中的一些参数使用。 Analyzer:分析器,主要用于分析搜索引擎遇到的各种文本。常用的有StandardAnalyzer分析器,StopAnalyzer分析器,WhitespaceAnalyzer分析器等。 Directory:索引存放的位置;lucene提供了两种索引存放的位置，一种是磁盘，一种是内存。一般情况将索引放在磁盘上；相应地lucene提供了FSDirectory和RAMDirectory两个类。 Document:文档;Document相当于一个要进行索引的单元，任何可以想要被索引的文件都必须转化为Document对象才能进行索引。 Field：字段。 IndexSearcher:是lucene中最基本的检索工具，所有的检索都会用到IndexSearcher工具; Query:查询，lucene中支持模糊查询，语义查询，短语查询，组合查询等等,如有TermQuery,BooleanQuery,RangeQuery,WildcardQuery等一些类。 QueryParser: 是一个解析用户输入的工具，可以通过扫描用户输入的字符串，生成Query对象。 Hits:在搜索完成之后，需要把搜索结果返回并显示给用户，只有这样才算是完成搜索的目的。在lucene中，搜索的结果的集合是用Hits类的实例来表示的。 上面作了一大堆名词解释，下面就看几个简单的实例吧: 1、简单的的StandardAnalyzer测试例子 Java代码 package lighter.javaeye.com; import java.io.IOException; import java.io.StringReader; import org.apache.lucene.analysis.Analyzer; import org.apache.lucene.analysis.Token; import org.apache.lucene.analysis.TokenStream; import org.apache.lucene.analysis.standard.StandardAnalyzer; public class StandardAnalyzerTest { //构造函数， public StandardAnalyzerTest() { } public static void main(String[] args) { //生成一个StandardAnalyzer对象 Analyzer aAnalyzer = new StandardAnalyzer(); //测试字符串 StringReader sr = new StringReader(“lighter javaeye com is the are on”); //生成TokenStream对象 TokenStream ts = aAnalyzer.tokenStream(“name”, sr); try { int i=0; Token t = ts.next(); while(t!=null) { //辅助输出时显示行号 i++; //输出处理后的字符 System.out.println(“第”+i+“行:”+t.termText()); //取得下一个字符 t=ts.next(); } } catch (IOException e) { e.printStackTrace(); […]
lucene的简单实例
说明一下,这一篇文章的用到的lucene,是用2.0版本的,主要在查询的时候2.0版本的lucene与以前的版本有了一些区别. 其实这一些代码都是早几个月写的,自己很懒,所以到今天才写到自己的博客上,高深的文章自己写不了，只能记录下一些简单的记录与点滴，其中的代码算是自娱自乐的，希望高手不要把重构之类的砸下来… 1、在windows系统下的的C盘，建一个名叫s的文件夹,在该文件夹里面随便建三个txt文件，随便起名啦，就叫”1.txt”,”2.txt”和”3.txt”啦 其中1.txt的内容如下： Java代码 中华人民共和国 全国人民 2006年 中华人民共和国 全国人民 2006年而”2.txt”和”3.txt”的内容也可以随便写几写，这里懒写，就复制一个和1.txt文件的内容一样吧 2、下载lucene包，放在classpath路径中 建立索引: Java代码 package lighter.javaeye.com; import java.io.BufferedReader; import java.io.File; import java.io.FileInputStream; import java.io.IOException; import java.io.InputStreamReader; import java.util.Date; import org.apache.lucene.analysis.Analyzer; import org.apache.lucene.analysis.standard.StandardAnalyzer; import org.apache.lucene.document.Document; import org.apache.lucene.document.Field; import org.apache.lucene.index.IndexWriter; /** * author lighter date 2006-8-7 */ public class TextFileIndexer { public static void main(String[] args) throws Exception { /* 指明要索引文件夹的位置,这里是C盘的S文件夹下 */ File fileDir = new File(“c:\\s”); /* 这里放索引文件的位置 */ File indexDir = new File(“c:\\index”); Analyzer luceneAnalyzer = new StandardAnalyzer(); IndexWriter indexWriter = new IndexWriter(indexDir, luceneAnalyzer, true); File[] textFiles = fileDir.listFiles(); long startTime = new Date().getTime(); //增加document到索引去 for (int i = 0; i < textFiles.length; i++) { if (textFiles[i].isFile() && textFiles[i].getName().endsWith(“.txt”)) { System.out.println(“File “ + textFiles[i].getCanonicalPath() + “正在被索引….”); String temp = FileReaderAll(textFiles[i].getCanonicalPath(), “GBK”); System.out.println(temp); Document document = new Document(); Field FieldPath = new Field(“path”, textFiles[i].getPath(), […]