实现多重标准搜索

Lucene应用编程接口（API）功能强大、非常灵活、易于使用。Lucene不但提供了出众的全文搜索功能，还提供了所有补充性的过滤和排序特性。如果想把高性能、特性丰富的多重标准全文搜索机制添加到应用程序中，就需要这些功能和特性。

索引

任何Lucene应用程序的第一步就是为数据建立索引。Lucene需要使用数据创建自己的一组索引，以便它可以对数据进行高性能的全文检查、过滤和排序等操作。这是相当简单、直观的过程。首先，需要创建IndexWriter对象，可以使用该对象建立Lucene索引，并把它写到磁盘上。Lucene非常灵活，它有许多选项。这里，我们只是在“index”目录里面建立简单的索引结构：

Directory directory = FSDirectory.getDirectory("index", true);

Analyzer analyser = new StandardAnalyzer();

IndexWriter writer = new IndexWriter(directory, analyser, true);

接下来，需要为数据记录建立索引。需要为每个记录建立单独的索引。用Lucene为记录建立索引时，要为每个记录创建“文档”（Document）对象。要让全文索引发挥作用，就要为Lucene提供可以建立索引的一些数据。最简单的选项就是编写一个方法，写入记录的全文描述（包括想要搜索的各项内容），然后使用这个值作为可搜索字段。这里，我们把这个字段称为“description”。可以通过为文档添加“字段”（Field）类的新实例，来为字段建立索引，如下所示：

Field field = new Field("field", value, Field.Store.NO, Field.Index.TOKENIZED);

doc.add(field);

可以选择指定自己是否想保存该值供将来使用（Field.Store.YES），还是只是为它建立索引（Field.Store.NO）。后一个选项适用于想建立索引、但以后不想检索的大值。第四个参数表明想要如何为值建立索引。如果使用Field.Index.TOKENIZED，值就会被分析，让Lucene可以更充分地利用功能强大的全文索引和搜索特性。正如我们会看到的那样，缺点在于，无法按标记化（tokenized）的字段对结果进行排序。如果想为字段建立索引，而不需要先进行分析，那么Field.Index.UN_TOKENIZED很有用。如果只是想保存值，供将来使用，那么可以使用Field.Index.NO。下列代码表明了如何为来自库目录的条目列表建立索引：

List< Item> items = Catalog.getAllItems();

for(Item item : items) {}

Document doc = new Document();

String description = item.getTitle+ " " + item.getAuthors()+ " " + item.getSummary()...;

doc.add(new Field("description", description, Field.Store.NO, Field.Index.TOKENIZED));

... }

上述方法非常适用于全文搜索，但有时候也需要按特定字段进行更加准确的搜索。可搜索字段应当是标记化的，不过它们确实不需要保存起来（除非想直接从Lucene文档获得字段值）。设想一下：如果需要根据库目录建立全文索引，目录里面有成千上万个条目，譬如图书、文章、报纸、视频和声音等资料。下列代码说明了如何按特定库条目（这里是图书）的书名和国际标准图书编号添加可搜索的索引：

doc.add(new Field("title", item.getTitle(), Field.Store.NO, Field.Index.TOKENIZED));

doc.add(new Field("isbn", item.getISBNNumber(), Field.Store.NO, Field.Index.TOKENIZED));

doc.add(new Field("type", Item.BOOK, Field.Store.NO, Field.Index.TOKENIZED));

writer.addDocument(doc);

...

writer.close();

有时候往往会需要在表中显示搜索结果，让用户可以按列对结果进行排序。这可以用Lucene来完成，不过有一个问题：字段必须是UN_TOKENIZED。这意味着，无法对可搜索的索引进行排序：需要添加有着不同名字的另一个索引。办法之一就是用某种易于识读的方式为字段名添加前缀，如下所示：

// 按照书名字段的可搜索索引

doc.add(new Field("sort-on-title", book.getTitle(), Field.Store.YES, Field.Index.UN_TOKENIZED));

// 按照国际标准图书编号字段的可搜索索引

doc.add(new Field("sort-on-isbn", book.getISBNNumber(), Field.Store.YES, Field.Index.UN_TOKENIZED));

全文搜索

Lucene的全文搜索比较容易实现。典型的Lucene全文搜索如下所示：

Searcher is = indexer.getIndexSearcher();

QueryParser parser = indexer.getQueryParser("description");

Query query = parser.parse("Some full-text search terms");

Hits hits = is.search(query);

这里，我们使用索引程序按“描述”（description）字段执行全文搜索。Lucene返回“搜索结果”（Hits）对象，我们可以使用该对象获得匹配文档，如下所示：

for (int i = 0; i < searchResults.length(); i++) {

Document doc = searchResults.doc(i);

String title = (String) doc.getField("title");

System.out.println(title);}

对这部分代码进行扩充以实现多重标准搜索需要多一些工作量。我们这里使用的关键字类是“过滤器”（Filter）类，顾名思义，这个类可以对搜索结果进行过滤。“过滤器”类实际上是一个抽象类。有几种类型的过滤器类可以定义准确的过滤操作。QueryFilter类可以根据Lucene查询表达式来对搜索结果进行过滤。这里，我们构建了一个过滤器，把搜索结果限制为图书，使用了“类型”（type）字段：

Query booksQuery = new TermQuery(new Term("type",Item.BOOK));

Filter typeFilter = new QueryFilter(booksQuery);

RangeFilter类可以把搜索结果限制为某个范围的值。下列过滤器就把搜索结果限制为日期从1990年到1999年的条目，使用了year字段（最后两个布尔字段表明限制值是不是包括在内）：

Filter rangeFilter = new RangeFilter("year", "1990", "1999", true, true);

ChainedFilter类可以使用“与”（AND）、“或”（OR）、“异”（XOR）或者“与非”（ANDNOT）等逻辑操作符来合并其他过滤器。在下一个示例中，我们把搜索结果限制为只有与上述两个条件都匹配的文档：

List< Filter> filters = new ArrayList< Filter>();

filters.add(typeFilter);

filters.add(rangeFilter);

Filter filter = new ChainedFilter(filterList, ChainedFilter.AND);

可以把同一操作符应用于所有过滤器，也可以提供一组操作符，这样就可以提供不同的操作符供每个过滤器使用。不过，应当认真考虑用于多重标准搜索的操作符。譬如说，在典型的多重标准搜索中，可能会让用户使用复选框（图书、文章和视频等），从而选择他们需要的文档类型。来自这些复选框值的过滤器通常需要使用“或”（OR）表达式来进行合并。 另一方面，酒店预订网站可能会提供房间号、类别或者酒店位置等搜索标准。这些是限制性的标准，它们需要使用“与”（AND）表达式来进行合并。

以下是一个比较完整的示例，它使用了我们上面讨论过的所有特性：

public List< CatalogItem> search(String expression, boolean displayBooks, boolean displayArticles, boolean displayVideo) {

List< Filter> filters = new ArrayList< Filter>();

//显示图书

if (displayBooks) {

　Query booksQuery = new TermQuery(new Term("type",Item.BOOK));

　filters.add(new QueryFilter(booksQuery)); }

// 显示文章

if (displayArticles) {

　Query articlesQuery = new TermQuery(new Term("type",Item.ARTICLE));

　filters.add(new QueryFilter(articlesQuery)); }

// 显示录像

if (displayVideo) {

　Query videoQuery = new TermQuery(new Term("type",Item.VIDEO));

　filters.add(new QueryFilter(videoQuery)); }

Filter filter = new ChainedFilter(filterList, ChainedFilter.OR);

QueryParser parser = indexer.getQueryParser("description");

Query query = parser.parse(expression);

hits = is.search(query, filter);

... }

结果排序

对搜索结果进行排序是用户对Web应用程序的一个常见需求。如今JavaServer Faces和Tapestry等许多基于组件的Web框架拥有表组件，让用户可以对每一列进行排序，就像Struts这些较为传统的模型－视图－控制器框架那样。一旦返回了搜索结果，就有可能在内存中对它们进行排序。不过，这种方法浪费严重，而且效率低下。无论是传统的关系数据库应用程序，还是Lucene应用程序，在源处执行排序操作要有效得多。

正如我们在前面看到的那样，Lucene可以建立专门用来对结果进行排序的索引。可以只对这些字段执行排序操作，因为对关系数据库中的未索引字段进行排序是不明智的。要使用这些字段，就要使用“排序”（Sort）类。使用这个类的最简单的方法就是，只要创建一个新实例，并提供想要进行排序的列。然后把这个“排序”（Sort）实例传递给search()方法，如下所示：

Sort sort = new Sort("name");

hits = is.search(query, filter, sort);

除了这个简单示例外，Lucene还提供了一系列广泛的排序功能。只要利用列名字来指定布尔标记，就可以进行逆序排序。这里，我们按名字进行递减排序：

Sort sort = new Sort("name", true);

也可以通过提供一组列名字，对几个列进行排序：

String[] sortOrder = {"lastName","firstName"};

Sort sort = new Sort(sortOrder);

如果需要按每个字段使用不同的排序顺序，就要使用“字段排序”（SortField）类。这里，我们按姓进行递增排序，然后按出生日期朝廷递减排序：

SortField([] sortOrder = {new SortField("lastName"),new SortField("dateOfBirth",true)};

Sort sort = new Sort(sortOrder);

（计算机世界报 2006年12月04日 第47期 B33）