搜索引擎入门 （建立一个简单的java Lucene实例）

实例说明

　　实现对 钢铁是怎样练成的.txt 进行全文索引，以及和普通检索方式 （java.lang.String的 equals）进行效率对比

开发过程

 　  1.将大文档切分成多个小文档

　　　　这一步 并非 是必须的，为了更好的展示 Lucene的一些功能，将文档切分为多个较小的文档，并给每个文档一个唯一的ID（文件名称）

　　3.eclipse 编写代码

　　4.效果测试

　　　通过Lucene的检索 和 java字符串检索，进行性能上的比较，得出结论

项目准备

  eclipse 导入这两个jar包 （由于是入门实例 jar包为老版本，太新会报错）

 

 

---

 

1.文档预处理类

　　FilePreprocess 

 

package lucene;

import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileReader;
import java.io.FileWriter;
import java.io.IOException;

public class FilePreprocess {
　　//预处理
    public static void preprocess(File file,String outputDir){
        try{
　　　　//拆分成小文件
            splitToSmallFiles(file,outputDir);
        }catch(Exception e ){
            e.printStackTrace();
        }
    }
    
    public static void splitToSmallFiles(File file,String outputpath)throws IOException{
        int filePointer = 0;   //文件命名 自增序列
        int MAX_SIZE = 10240; //设置文件大小 
        BufferedWriter writer = null;
        BufferedReader reader = new  BufferedReader(new FileReader(file));
        StringBuffer buffer = new StringBuffer();
        String line = reader.readLine();
        while(line != null){
            buffer.append(line).append("\r\n");
            if(buffer.toString().getBytes().length >= MAX_SIZE){   //如果超出限制大小 new file
                writer = new BufferedWriter(new FileWriter(outputpath + "output" + filePointer+".txt"));
                writer.write(buffer.toString());
                writer.close();
                filePointer ++;
                
                buffer = new StringBuffer();
            }
            line = reader.readLine();
        }
        writer = new BufferedWriter(new FileWriter(outputpath + "output" + filePointer + ".txt"));
        writer.write(buffer.toString());
        writer.close();
    }
//入口
    public static void main(String [] args){
        String inputFile = "f:\\book.txt";  　　　　　　//读取文件
        String outputf = "f:\\outputFolder\\";        //文件预处理后输出目录
        if(!new File(outputf).exists()){
            new File(outputf).mkdirs();
        }    
        FilePreprocess f = new FilePreprocess();
        f.preprocess(new File(inputFile), outputf);  //分块处理
        
    }
}

 》运行后 输出路径 则会生成 多个小文档 

 

 2.创建处理文档的索引类 IndexProcessor

 

package lucene;

import java.io.BufferedReader;
import java.io.File;
import java.io.FileNotFoundException;
import java.io.FileReader;
import java.io.IOException;

import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.index.IndexWriter;

import jeasy.analysis.MMAnalyzer;

public class IndexProcessor {
　　　//索引存储目录
    private String INDEX_STORE_PATH = "f:\\index";
    //创建索引
    public void createIndex(String inputDir){
        try {
            //利用分词工具创建 IndexWriter
            IndexWriter writer = new IndexWriter(INDEX_STORE_PATH,new MMAnalyzer(),true);
            File filesDir = new File(inputDir);
            //取得 要建立 索引的文件数组
            File[] files = filesDir.listFiles();
            for(int i = 0 ;i < files.length ; i++){
                String fileName = files[i].getName();
                if(fileName.substring(fileName.lastIndexOf(".")).equals(".txt")){
                //创建新的Document
                    Document doc = new Document();
                //为文件名创建一个 Field
                    Field field = new Field("filename",files[i].getName(),Field.Store.YES,Field.Index.TOKENIZED);
                    doc.add(field);
                    field = new Field("content",loadFileToString(files[i]),Field.Store.NO,Field.Index.TOKENIZED);
                    doc.add(field);
                    //把Document加入 IndexWriter
                    writer.addDocument(doc);
                }
            }
            writer.close();
        } catch (IOException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
        
    }
    //加载文档 生成字符串
    public String loadFileToString(File f) {
        try{
        BufferedReader br = new BufferedReader(new FileReader(f));
        StringBuffer sb = new StringBuffer();
        String line = br.readLine();
        while(line != null){
            sb.append(line);
            line = br.readLine();
        }
            br.close();
            return sb.toString();
        } catch (IOException e) {
            e.printStackTrace();
            return null;
        }
    }
    
    public static void main(String[] args){
        IndexProcessor pr = new  IndexProcessor();
        pr.createIndex("f://outputFolder");
    }
}

 

 

 　　　　索引目录生成

 

 3.创建索引搜索类 Search

package lucene;

import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.util.Date;
import java.util.Iterator;
import java.util.LinkedHashMap;
import java.util.Map;

import org.apache.lucene.index.Term;
import org.apache.lucene.index.TermDocs;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.TermQuery;

public class Search {
    private String INDEX_STORE_PATH = "f:\\index";
    
    //利用lucene 索引 搜索
    public void indexSearch(String searchType,String searchKey){
        try{
            System.out.println("##使用索引方式搜索##");
            System.out.println("======================");
            //根据索引位置简历 IndexSearch
            IndexSearcher searcher = new IndexSearcher(INDEX_STORE_PATH);
            //建立搜索单元,searchType 代表要搜索的Field,searchKey代表关键字
            Term t = new Term(searchType,searchKey);
            //由Term产生 Query
            Query q = new TermQuery(t);
            //搜索开始时间
            Date beginTime = new Date();
            //获取一个 <document,frequency>的枚举对象 TermDocs
            TermDocs docs = searcher.getIndexReader().termDocs(t);
            while(docs.next()){
                System.out.print("find" + docs.freq() + "matches in");
                System.out.println(searcher.getIndexReader().document(docs.doc()).getField("filename").stringValue());
                
            }
            Date endTime = new Date();
            long timeofsearch = endTime.getTime() - beginTime.getTime();
            System.out.println("总耗时:" + timeofsearch);
        }
        catch(Exception e){
            e.printStackTrace();
        }
    }
    
    public void stringSearch(String keyword,String searchDir){
        System.out.println("##使用字符串方式搜索##");
        System.out.println("======================");
        File filesDir = new File(searchDir);
        //返回目录文件夹所有文件数组
        File[] files = filesDir.listFiles();
        //HM 保存文件名和匹配次数对
        Map rs = new LinkedHashMap();
        //搜索开始时间
        Date beginTime = new Date();
        for(int i = 0 ;i < files.length ; i ++){
            int hits = 0;
            try{
                BufferedReader br = new BufferedReader(new FileReader(files[i]));
                StringBuffer sb = new StringBuffer();
                String line = br.readLine();
                while(line != null){
                    sb.append(line);
                    line = br.readLine();
                }
                br.close();
            //将 stringBuffer 转化成 String,以便于搜索
                String stringToSearch = sb.toString();
            //从 0 索引 查询 -length + length = 0
                int fromIndex = -keyword.length();
                int len = stringToSearch.indexOf(keyword,fromIndex + keyword.length());
                while((fromIndex = len)!= -1){
                    hits++;
                }
                //将文件名 和 匹配次数 加入 HashMap
                rs.put(files[i].getName(), new Integer(hits));
            }
            catch(Exception e){
                e.printStackTrace();
            }
        }
        Iterator it = rs.keySet().iterator();
        while(it.hasNext()){
            String fileName = (String)it.next();
            Integer hits = (Integer)rs.get(fileName);
            System.out.println("find" + hits.intValue() + "matches in"+ fileName);
        }
        Date endTime = new Date();
        long timeOfSearch = endTime.getTime() - beginTime.getTime();
        System.out.println("使用字符串匹配方式總耗時:" + timeOfSearch + "ms");
    }

    public static void main(String[] args) {
        Search s = new Search();
        s.indexSearch("content", "保尔");
        System.out.println();
        s.stringSearch("保尔", "f:\\outputFolder");
    }

}

 

 

   通过控制台比对 效率 发现 索引匹配方式效率更高