一、概述

lucene是一个全文搜索引擎，在全文索引工具中，都是由这样的但部分组成：

• 1、索引部分
• 2、分词部分
• 3、搜索部分

二、入门程序

2.1 入门程序

这里我们需要导入lucene的jar包，注意：这里使用的是3.5.0版本，lucene的各个版本差异较大。
下面看入门程序，看lucene如何创建索引和搜索索引（工程lucene01）：
HelloLucene.java

package cn.lucene.test;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;
import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.index.CorruptIndexException;
import org.apache.lucene.index.IndexReader;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.queryParser.ParseException;
import org.apache.lucene.queryParser.QueryParser;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.store.LockObtainFailedException;
import org.apache.lucene.store.RAMDirectory;
import org.apache.lucene.util.Version;

public class HelloLucene {
    
    //建立索引
    public void index(){
        IndexWriter writer = null;
        try {
            //1、创建Directory
            //Directory directory = new RAMDirectory();//索引是建立在内存中的
            Directory directory = FSDirectory.open(new File("E:/myeclipse/Lucene/index"));//创建在硬盘上
            
            //2、创建IndexWriter
            IndexWriterConfig iwc = new IndexWriterConfig(Version.LUCENE_35, new StandardAnalyzer(Version.LUCENE_35));
            writer = new IndexWriter(directory, iwc);
            
            //3、创建Document对象
            Document doc = null; 
                    
            //4、为Document添加Field，是Document的一个子元素
            File file = new File("E:/myeclipse/Lucene/somefile");
            for(File f : file.listFiles()){
                doc = new Document();
                doc.add(new Field("content", new FileReader(f)));
                doc.add(new Field("filename", f.getName(), Field.Store.YES, Field.Index.NOT_ANALYZED));
                doc.add(new Field("path", f.getAbsolutePath(), Field.Store.YES, Field.Index.NOT_ANALYZED));
                //5、通过IndexWriter添加文档到索引中
                writer.addDocument(doc);
            }
        } catch (CorruptIndexException e) {
            e.printStackTrace();
        } catch (LockObtainFailedException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }finally{
            if(writer != null){
                try {
                    writer.close();
                } catch (IOException e) {
                    e.printStackTrace();
                }
            }
        }
    }
    //搜索
    public void search(){
        Directory directory;
        try {
            //1、创建Directory
            directory = FSDirectory.open(new File("E:/myeclipse/Lucene/index"));
            
            //2、创建IndexReader
            IndexReader reader = IndexReader.open(directory);
            //3、根据IndexReader创建IndexSearcher
            IndexSearcher searcher = new IndexSearcher(reader);
            //4、创建搜索的Query
            //创建QueryParser来确定要搜索文件的内容，第二个参数表示搜索的域
            QueryParser parser = new QueryParser(Version.LUCENE_35, "content", new StandardAnalyzer(Version.LUCENE_35));
            //创建Query，表示搜索域为content中包含java的文档
            Query query = parser.parse("java");
            //5、根据searcher搜索并且返回TopDocs
            TopDocs tdoc = searcher.search(query, 10);//只会显示10条内容
            
            //6、根据TopDocs获取ScoreDoc对象
            ScoreDoc sdocs[] = tdoc.scoreDocs;
            for(ScoreDoc s : sdocs){
                //7、根据searcher行业ScoreDoc获取具体的Document对象
                Document document = searcher.doc(s.doc);
                //8、根据Document对象获取所需要的值
                System.out.println(document.get("filename") + "[" + document.get("path") + "]");
            }
            //9、关闭reader
            reader.close(); 
        } catch (CorruptIndexException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        } catch (ParseException e) {
            e.printStackTrace();
        }
    }
}

说明：这里我们存储的文档放在E:/myeclipse/Lucene/somefile中，创建的搜索我们放在E:/myeclipse/Lucene/index中，这里方法index()是创建文档索引的方法，而search()是搜索文档索引的方法。

2.2 测试

TestLucene.java

package cn.lucene.test;
import org.junit.Test;
public class TestLucene {
    
    @Test
    public void testIndex(){
        HelloLucene hLucene = new HelloLucene();
        hLucene.index();
    }
    
    @Test
    public void testSearch(){
        HelloLucene hLucene = new HelloLucene();
        hLucene.search();
    }
}

说明：这里我们在创建文档之后再次创建生成的索引不会覆盖，而是会增加，这是因为lucene索引是一种增量索引，每次生成索引都不会将前面生成的索引删除，而是添加，于是每次搜索出来的结果会有重复。这里我们搜索关键字为java，会打印出相关的文件路径，这里我们先不深究程序的具体实现。

三、相关概念

3.1 建立索引时最重要的几个术语

• Document：一个要进行索引的单元，相当于数据库的一行纪录，任何想要被索引的数据，都必须转化为Document对象存放。

• Field：Document中的一个字段，相当于数据库中的Column ，Field是lucene比较多概念一个术语。

• IndexWriter：负责将Document写入索引文件。通常情况下，IndexWriter的构造函数包括了以下3个参数:索引存放的路径,分析器和是否重新创建索引。特别注意的一点，当IndexWriter执行完addDocument方法后，一定要记得调用自身的close方法来关闭它。只有在调用了close方法后，索引器才会将存放在内在中的所有内容写入磁盘并关闭输出流。

• Analyzer:分析器，主要用于文本分词（可以这样理解，就是将一段话分成单个的词语，然后为单个的词语建立标识，便于搜索，就像一个超链接一样）。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。

• 段：Segment是Lucene索引文件的最基本的一个单位。Lucene说到底就是不断加入新的Segment，然后按一定的规则算法合并不同的Segment以合成新的Segment。我们在上面测试时从建立的索引文件中就可以看出有如
  

  1
  
  图中使用0，1标号表示的就是段，而这里我们可以看到每次创建索引都是增加而不是覆盖。

• 最后lucene建立索引的过程就是将待索引的对象转化为Lucene的Document对象，使用IndexWriter将其写入lucene 自定义格式的索引文件中。待索引的对象可以来自文件、数据库等任意途径，用户自行编码遍历目录读取文件或者查询数据库表取得ResultSet，Lucene的API只负责和字符串打交道。

3.2 存储域选项

存储域选项有Field.Store.YES或Field.Store.NO，设置为YES表示把这个域中的内容完全存储到文件中，方便进行文本的还原，设置为NO表示不把这个域中的内容完全存储到文件中，但是可以被索引，此时内容无法完全还原。比如一篇文章，我们可以建立文章的索引（此索引就是用来搜索这篇文章的一个标签），但是我们可以不将整片文章内容全部存储下来，但是这样我们虽然能搜索到这篇文章，但是却不能将其还原。

3.3 索引域选项：

• Field.Index.ANALYZED:进行分词和索引，适用于标题、内容等。
• Field.Index. ANALYZED_NO_NORMS:进行分词但是不存储norms信息，这个norms中包括创建索引的时间和权值等信息
• Field.Index. NOT_ANALYZED:进行索引，但是不进行分词，如身份证号、姓名、ID等，试用于精确索引
• Field.Index. NOT_ANALYZED_NO_NORMS:即不进行分词也不存储norms信息
• Field.Index.NO:不进行索引

3.4 最佳实践