代码改变世界

Lucene.Net 入门---介绍篇

2013-01-30 16:34  李明成  阅读(11335)  评论(8编辑  收藏  举报

阅读目录

  • lucene.net是什么

  • lucene.net特征

  • lucene.net类说明
  • 准备工作

  • Hello World

  • 初次使用总结

lucene.net是什么

Apache Lucene.net是一个高性能(high-performance)的全能的全文检索(full-featured text search engine)的搜索引擎框架库,完全(entirely)使用C#开发。它是一种技术(technology),适合于(suitable for)几乎(nearly)任何一种需要全文检索(full-text search)的应用,特别是跨平台(cross-platform)的应用。

 

lucene.net特征

可扩展的高性能的索引能力(Scalable, High-Performance Indexing)

√        超过20M/分钟的处理能力(Pentium M 1.5GHz)

√          很少的RAM内存需求,只需要1MB heap

√         增量索引(incremental indexing)的速度与批量索引(batch indexing)的速度一样快

√           索引的大小粗略(roughly)为被索引的文本大小的20-30%

   

强大的精确的高效率的检索算法(Powerful, Accurate and Efficient Search Algorithms)

√           分级检索(ranked searching)能力,最好的结果优先推出在前面

√          很多强大的query种类:phrase queries, wildcard queries, proximity queries, range queries等

√           支持域检索(fielded searching),如标题、作者、正文等

√           支持日期范围检索(date-range searching)

√           可以按任意域排序(sorting by any field)

√           支持多个索引的检索(multiple-index searching)并合并结果集(merged results)

√           允许更新和检索(update and searching)并发进行(simultaneous)

      lucene.net类说明

  • using Lucene.Net.Documents
    • 提供一个简单的Document类,一个document只不过包括一系列的命名了(named)的Fields(域),它们的内容可以是文本(strings)也可以是一个java.io.Reader的实例。

  • using Lucene.Net.Analysis
    • 定义了一个抽象的Analyser API,用于将text文本从一个Reader转换成一个TokenStream,即包括一些Tokens的枚举容器(enumeration)。一个TokenStream的组成(compose)是通过在一个Tokenizer的输出的结果上再应用TokenFilters生成的。一些少量的Analysers实现已经提供,包括StopAnalyzer和基于语法(gramar-based)分析的StandardAnalyzer。

  • using Lucene.Net.Index;
    • 提供两个主要类,一个是IndexWriter用于创建索引并添加文档(document),另一个是IndexReader用于访问索引中的数据。

  • using Lucene.Net.QueryParsers;
    • 实现一个QueryParser。

  • using Lucene.Net.Search;
    • 提供数据结构(data structures)来呈现(represent)查询(queries):TermQuery用于单个的词(individual words),PhraseQuery用于短语,BooleanQuery用于通过boolean关系组合(combinations)在一起的queries。而抽象的Searcher用于转变queries为命中的结果(hits)。IndexSearcher实现了在一个单独(single)的IndexReader上检索。

  • using Lucene.Net.Store;
    • 定义了一个抽象的类用于存储呈现的数据(storing persistent data),即Directory(目录),一个收集器(collection)包含了一些命名了的文件(named files),它们通过一个IndexOutput来写入,以及一个IndexInput来读取。提供了两个实现,FSDirectory使用一个文件系统目录来存储文件,而另一个RAMDirectory则实现了将文件当作驻留内存的数据结构(memory-resident data structures)。       

  • using Lucene.Net.Util;
    • 包含了一小部分有用(handy)的数据结构,如BitVector和PriorityQueue等  

                

准备工作

1.去 http://lucenenet.apache.org/  下载lunece.net  文件

2.在项目添加引用Lucene.Net.dll 

Hello World 

  

下面是一段简单的代码展示如何使用Lucene.net来进行索引和检索

 class Program
    {
        static void Main(string[] args)
        {

            //索引

            Directory direcotry = FSDirectory.GetDirectory("LuceneIndex");
            Analyzer analyzer = new StandardAnalyzer();
            IndexWriter writer = new IndexWriter(direcotry,analyzer);


            IndexReader red = IndexReader.Open(direcotry);
            int totDocs = red.MaxDoc();
            red.Close();

            //添加文档到索引

            string text = string.Empty;
            Console.WriteLine("输入文本你想要添加到索引:");
            Console.Write(">");

            int txts = totDocs;
            int j = 0;
            while((text=Console.ReadLine())!=string.Empty)
            {
                AddTextToIndex(txts++,text,writer);
                j++;
                Console.Write(">");

            }

            writer.Optimize();
         
            writer.Flush();
            writer.Close();

            Console.WriteLine(j + " lines added, " + txts + " documents total");

            //搜索
            IndexSearcher searcher = new IndexSearcher(direcotry);
            QueryParser parser = new QueryParser("postBody", analyzer);

            Console.WriteLine("输入搜索的文本:");
            Console.Write(">");

            while ((text = Console.ReadLine()) != String.Empty)
            {
                Search(text, searcher, parser);
                Console.Write(">");
            }

            //关闭资源
            searcher.Close();
            direcotry.Close();
        }

        //搜索
        private static void Search(string text,IndexSearcher searcher,QueryParser parser)
        {   //条件
            Query query = parser.Parse(text);
 
            //搜索
            Hits hits = searcher.Search(query);

            //显示结果
            Console.WriteLine("搜索 '" + text + "'");
            int results = hits.Length();
            Console.WriteLine("发现 {0} 结果", results);

            for (int i = 0; i < results; i++)
            {
                Document doc = hits.Doc(i);
                float score = hits.Score(i);
                Console.WriteLine("--结果 num {0}, 耗时 {1}", i + 1, score);
                Console.WriteLine("--ID: {0}", doc.Get("id"));
                Console.WriteLine("--Text found: {0}" + Environment.NewLine, doc.Get("postBody"));
            }
        }


        //添加文档到索引中
        private static void AddTextToIndex(int txts,string text,IndexWriter writer)
        {
            Document doc = new Document();
            doc.Add(new Field("id",text.ToString(),Field.Store.YES,Field.Index.UN_TOKENIZED));
            doc.Add(new Field("postBody",text,Field.Store.YES,Field.Index.TOKENIZED));
            writer.AddDocument(doc);

        }
    }

运行结果

初次使用总结

列子hellowword

为了使用 lucene.net 一个应用程序需要做如下几件事。

1.通过添加一系列fileds来创建一批document对象。

2.创建一个indexWriter对象,并且调用它的addDocument()方法来添加进documents.

3.调用queryParser.parse()处理一段文本(string)来建造一个查询(querey)对象。

4.创建一个indexReader对象并将查询对象传入到他的search()方法中。