Lucene 6.1.0官方Demo解析
一、IndexFiles.java
之前也说过，IndexFiles类实现的是创建一个Lucene的索引。
在main()函数中，首先解析了传入的参数，然后为实例化IndexWriter做准备：打开一个Directory，然后初始化StandardAnalyzer和IndexWriterConfig.
之后就是实例化IndexWriter:
Lucene的Directory被IndexWriter用来存储index的信息，除了FSDirectory之外，我们还可以使用RAM，或者database来存储我们的索引信息。
Lucene的Analyzer将text解析成indexed tokens（索引标记），也就是将text解析成一个个词语。这些terms会被选择性地执行其他操作，如大小写转换、同义词插入，过滤掉不需要的token等等。
在Demo中使用的是StandarAnalyzer，运用的是Unicode文本分词算法，只是将tokens转换成小写，然后过滤掉一些停止词（stopwords）。Stopwords就是一些如a, an, the的词以及一些不太值得被检索的词。对于不同的语言来说采用的分词规则不一样，可以通过配置不同的Analyzer来确定。
在
lucene/analysis/common/src/java/org/apache/lucene/analysis 里面，看到了在org.apache.lucene.analysis.cjk里面看到了支持中文的分词，当然也可以采用其他的分词工具。
IndexWriterConfig实例保存了IndexWriter需要进行的配置信息，例如，我们可以设置OpenMode来确定是重新索引，还是只是将没有索引过的文件添加：
对IndexWriter实例化好之后，就可以进行indexdoc():
indexDocs(writer, docDir);
这是一个递归函数，该函数爬指定目录，并创建Document对象，这个Document是一个简单的数据对象，表示文件中文本的内容以及创建时间和所在位置。这个实例被加入到IndexWriter中，如果指定的操作是update，则OpmenMode就是设置为OpenMode.CREATE_OR_APPEND，这时候就不是将文件添加到索引中，而是通过找到具有同样的indentifier（在这里，文件路径就被看作是identifier）的已经被索引的文件，然后update，删除掉已经存在的index，然后将新的document添加到index中。
二、SearchingFiles.java
在这个类中，首先创建IndexSearcher，StandardAnalyzer以及QueryParser的实例：
index就是指定之前的索引所在位置，对查询的解析运用的是跟之前分词一样的解析方法（StandardAnalyzer）：查找词语的边界，去除无用词（a, an, the）然后进行解析。
Query对象包含QueryParser的结果，我们也可以通过编程方式构建一个rich Query对象，而不使用parser，QueryParser只是为了保证将Lucene的查询语句转换为相应的Query object。
创建Query对象之后，运用IndexSearcher的search(query,n)方法，返回的是命中最多的n个Docs，按照一定的规则排序（例如相关性）。
网友评论