Lucene是一個基於Java的高效的全文檢索庫。
那麽什麽是全文檢索，為什麽需要全文檢索？
目前人們生活中出現的數據總的來說分為兩類：結構化數據和非結構化數據。很容易理解，結構化數據是有固定格式和結構的或者有限長度的數據，比如數據庫，元數據等。非結構化數據則是不定長或者沒有固定格式的數據，如圖片，郵件，文檔等。還有一種較少的分類為半結構化數據，如XML，HTML等，在一定程度上我們可以將其按照結構化數據來處理，也可以抽取純文本按照非結構化數據來處理。
非結構化數據又稱為全文數據。，對其搜索主要有兩種方式:

1. 順序掃描法（SerialScanning）：顧名思義，要找內容包含某一個字符串的文檔，就挨著文檔一個個找，對照每一個文檔從頭到尾，一直掃描，指導掃描完所有的文檔。類似於Windows中搜索文件的功能。
2. 第二種則為索引。就是從非結構化數據中提取出信息重新組織，使其變得有一定的組織，從而提高檢索效率。比如我們的電話簿，從電話簿中查找聯系人，我們根據首字母拼音可以索引定位到某一個聯系人。

先建立索引在對索引進行搜索的過程就叫做全文檢索（Full-text Search）。下圖為全文檢索的一般過程，也是Lucene檢索的過程。

我的博客：CODE大全：www.codedq.net；業余草：www.xttblog.com；愛分享：www.ndislwf.com或ifxvn.com。

Lucene總的來說是：

• 一個高效的，可擴展的，全文檢索庫。
• 全部用Java實現，無須配置。
• 僅支持純文本文件的索引(Indexing)和搜索(Search)。
• 不負責由其他格式的文件抽取純文本文件，或從網絡中抓取文件的過程。

在Lucene in action中，Lucene 的構架和過程如下圖，

說明Lucene是有索引和搜索的兩個過程，包含索引創建，索引，搜索三個要點。

我的博客：CODE大全：www.codedq.net；業余草：www.xttblog.com；愛分享：www.ndislwf.com或ifxvn.com。

讓我們更細一些看Lucene的各組件：

• 被索引的文檔用Document對象表示。
• IndexWriter通過函數addDocument將文檔添加到索引中，實現創建索引的過程。
• Lucene的索引是應用反向索引。
• 當用戶有請求時，Query代表用戶的查詢語句。
• IndexSearcher通過函數search搜索Lucene Index。
• IndexSearcher計算term weight和score並且將結果返回給用戶。
• 返回給用戶的文檔集合用TopDocsCollector表示。

那麽如何應用這些組件呢？

讓我們再詳細到對Lucene API 的調用實現索引和搜索過程。

• 索引過程如下：
  • 創建一個IndexWriter用來寫索引文件，它有幾個參數，INDEX_DIR就是索引文件所存放的位置，Analyzer便是用來對文檔進行詞法分析和語言處理的。
  • 創建一個Document代表我們要索引的文檔。
  • 將不同的Field加入到文檔中。我們知道，一篇文檔有多種信息，如題目，作者，修改時間，內容等。不同類型的信息用不同的Field來表示，在本例子中，一共有兩類信息進行了索引，一個是文件路徑，一個是文件內容。其中FileReader的SRC_FILE就表示要索引的源文件。
  • IndexWriter調用函數addDocument將索引寫到索引文件夾中。
• 搜索過程如下：
  • IndexReader將磁盤上的索引信息讀入到內存，INDEX_DIR就是索引文件存放的位置。
  • 創建IndexSearcher準備進行搜索。
  • 創建Analyer用來對查詢語句進行詞法分析和語言處理。
  • 創建QueryParser用來對查詢語句進行語法分析。
  • QueryParser調用parser進行語法分析，形成查詢語法樹，放到Query中。
  • IndexSearcher調用search對查詢語法樹Query進行搜索，得到結果TopScoreDocCollector。

以上便是Lucene API函數的簡單調用。

我的博客：CODE大全：www.codedq.net；業余草：www.xttblog.com；愛分享：www.ndislwf.com或ifxvn.com。

然而當進入Lucene的源代碼後，發現Lucene有很多包，關系錯綜復雜。

然而通過下圖，我們不難發現，Lucene的各源碼模塊，都是對普通索引和搜索過程的一種實現。

此圖是上一節介紹的全文檢索的流程對應的Lucene實現的包結構。(參照http://www.lucene.com.cn/about.htm中文章《開放源代碼的全文檢索引擎Lucene》)

• Lucene的analysis模塊主要負責詞法分析及語言處理而形成Term。
• Lucene的index模塊主要負責索引的創建，裏面有IndexWriter。
• Lucene的store模塊主要負責索引的讀寫。
• Lucene的QueryParser主要負責語法分析。
• Lucene的search模塊主要負責對索引的搜索。
• Lucene的similarity模塊主要負責對相關性打分的實現。

了解了Lucene的整個結構，我們便可以開始Lucene的源碼之旅了。

免費的Lucene 原理與代碼分析完整版下載地址：lucene原理與代碼分析完整版pdf下載。

免費的Lucene 原理與代碼分析完整版下載