Lucene總的來說是：
- 一個高效的，可擴展的，全文檢索庫。
- 全部用Java實現(xiàn)，無須配置。
- 僅支持純文本文件的索引(Indexing)和搜索(Search)。
- 不負責由其他格式的文件抽取純文本文件，或從網(wǎng)絡中抓取文件的過程。
在Lucene in action中，Lucene 的構(gòu)架和過程如下圖，
說明Lucene是有索引和搜索的兩個過程，包含索引創(chuàng)建，索引，搜索三個要點。
讓我們更細一些看Lucene的各組件：
- 被索引的文檔用Document對象表示。
- IndexWriter通過函數(shù)addDocument將文檔添加到索引中，實現(xiàn)創(chuàng)建索引的過程。
- Lucene的索引是應用反向索引。
- 當用戶有請求時，Query代表用戶的查詢語句。
- IndexSearcher通過函數(shù)search搜索Lucene Index。
- IndexSearcher計算term weight和score并且將結(jié)果返回給用戶。
- 返回給用戶的文檔集合用TopDocsCollector表示。
那么如何應用這些組件呢？
讓我們再詳細到對Lucene API 的調(diào)用實現(xiàn)索引和搜索過程。
- 索引過程如下：
- 創(chuàng)建一個IndexWriter用來寫索引文件，它有幾個參數(shù)，INDEX_DIR就是索引文件所存放的位置，Analyzer便是用來對文檔進行詞法分析和語言處理的。
- 創(chuàng)建一個Document代表我們要索引的文檔。
- 將不同的Field加入到文檔中。我們知道，一篇文檔有多種信息，如題目，作者，修改時間，內(nèi)容等。不同類型的信息用不同的Field來表示，在本例子中，一共有兩類信息進行了索引，一個是文件路徑，一個是文件內(nèi)容。其中FileReader的SRC_FILE就表示要索引的源文件。
- IndexWriter調(diào)用函數(shù)addDocument將索引寫到索引文件夾中。
- 搜索過程如下：
- IndexReader將磁盤上的索引信息讀入到內(nèi)存，INDEX_DIR就是索引文件存放的位置。
- 創(chuàng)建IndexSearcher準備進行搜索。
- 創(chuàng)建Analyer用來對查詢語句進行詞法分析和語言處理。
- 創(chuàng)建QueryParser用來對查詢語句進行語法分析。
- QueryParser調(diào)用parser進行語法分析，形成查詢語法樹，放到Query中。
- IndexSearcher調(diào)用search對查詢語法樹Query進行搜索，得到結(jié)果TopScoreDocCollector。
以上便是Lucene API函數(shù)的簡單調(diào)用。
然而當進入Lucene的源代碼后，發(fā)現(xiàn)Lucene有很多包，關系錯綜復雜。
然而通過下圖，我們不難發(fā)現(xiàn)，Lucene的各源碼模塊，都是對普通索引和搜索過程的一種實現(xiàn)。
此圖是上一節(jié)介紹的全文檢索的流程對應的Lucene實現(xiàn)的包結(jié)構(gòu)。(參照http://www.lucene.com.cn/about.htm中文章《開放源代碼的全文檢索引擎Lucene》)
- Lucene的analysis模塊主要負責詞法分析及語言處理而形成Term。
- Lucene的index模塊主要負責索引的創(chuàng)建，里面有IndexWriter。
- Lucene的store模塊主要負責索引的讀寫。
- Lucene的QueryParser主要負責語法分析。
- Lucene的search模塊主要負責對索引的搜索。
- Lucene的similarity模塊主要負責對相關性打分的實現(xiàn)。
了解了Lucene的整個結(jié)構(gòu)，我們便可以開始Lucene的源碼之旅了。
喜歡 
頂
難過
囧
圍觀
無聊
