apache lucene-建立自己的搜尋引擎-索引檔

apachelucene是一套opensource的Search-Engine,搜尋效果比直接使用資料庫條件like還要來的好,而且也不會佔用到資料庫的資源,只需要使用到硬碟的IO,所以可以把搜尋引擎另外做到另一個硬碟,或是放到另一台主機上,單獨成搜尋引擎Server,設計成Multi-Tires架構。

在使用apache lucene時,需要先把資料建立成索引檔,搜尋時則直接取用索引資料,來加快查詢的速度,不同類型的資料可以依需求建立成不同的搜尋索引檔,以下範例是如何建立一組索引檔。

索引檔內容如下圖:

需要使用到的jar classpath為lucene-x.x.x.jar,可由官網下載,此範例使用2.3版本,新版本可能用法會不太一樣,如果需要中文的切詞器,可以找到庖丁解字這個opensource的framework。

原始碼如下:

package testlucene; 
import java.io.*; 
import java.util.Date; 
import org.apache.lucene.document.Document; 
import org.apache.lucene.analysis.standard.StandardAnalyzer; 
import org.apache.lucene.document.Field; 
import org.apache.lucene.index.IndexWriter; 


public class LuceneIndex { 
  
  private IndexWriter writer = null ; 
  
  public LuceneIndex() 
  { 
    try 
    { 
      //建立index的寫入器 
      //使用標準的分詞器 
      //重新建立索引檔,也就是之前的檔案會全數重建 
      writer = new IndexWriter("d:\\index", 
new StandardAnalyzer(),true); 
    } 
    catch(Exception e) 
    { 
      
    } 
  } 
  private Document getDocument(File f)throws IOException{ 
    Document doc = new Document(); 
    
    FileInputStream is = new FileInputStream(f); 
    
    Reader reader = new BufferedReader( 
new InputStreamReader(is)); 
    //取得檔案的reader加入field 
    Field field = new Field("contents",reader); 
    //加入index文件檔裡,無法取得資訊 
    doc.add(field); 
    //加入資訊,不做分詞,search不到此資訊,但可以取得 
    doc.add(new Field("path", f.getPath(),  
Field.Store.YES,  
Field.Index.UN_TOKENIZED)); 
    return doc; 
    
  } 
  //把目錄裡的檔案全都加入index裡 
  public void writeToIndex()throws IOException 
  { 
    File folder = new File(Constants.INDEX_FILE_PATH); 
    if(folder.isDirectory()) 
    { 
      String[] files = folder.list(); 
      for(int i = 0 ; i <files.length ; i++) 
      { 
        File file = new File(folder,files[i]); 
        Document doc = getDocument(file); 
        System.out.println("正在建立索引 : "+file+" "); 
        
        writer.addDocument(doc); 
      } 
    } 
  } 
  //記得要關閉才會真的寫入檔案喔 
  public void close()throws IOException 
  { 
    writer.close(); 
  } 
  
  public static void main(String args[])throws IOException 
  { 
    LuceneIndex indexer = new LuceneIndex(); 
    Date start = new Date(); 
    indexer.writeToIndex(); 
    Date end = new Date(); 
    System.out.println("建立索引用時"+(end.getTime() 
-start.getTime())+"毫杪"); 
    indexer.close(); 
  } 
  
}

如此就可以在d:\index看到索引資料檔。

5 thoughts to “apache lucene-建立自己的搜尋引擎-索引檔”

發表迴響