当前访客身份:游客 [ 登录  | 注册加入尚学堂]
直播
新闻资讯

整合Lucene 4.10.1 与IK Analyzer

我来了! 发表于 2年前  | 评论(0 )| 阅读次数(1365 )|   0 人收藏此文章,   我要收藏
注意,IK Analyzer需要使用其下载列表中的 IK Analyzer 2012FF_hf1.zip,否则在和Lucene 4.10配合使用时会报错。

我使用 intellij IDEA 12进行的测试。


建立java项目

建立项目HelloLucene,导入Lucene的几个库。“File”->“Project Structure”->



IK Analyzer 2012FF_hf1.zip解压后的源码放入src目录,并将字典和配置文件放入src目录,最终如下:

一个示例:

IKAnalyzerDemo.java中是我在其他地方找的一个示例,和IK的官方示例很像。内容如下:

packageorg.apache.lucene.demo;
importjava.io.IOException;
importjava.io.StringReader;
 
importorg.apache.lucene.analysis.Analyzer;
importorg.apache.lucene.analysis.TokenStream;
importorg.apache.lucene.analysis.tokenattributes.CharTermAttribute;
importorg.apache.lucene.document.Document;
importorg.apache.lucene.document.Field;
importorg.apache.lucene.index.IndexReader;
importorg.apache.lucene.index.IndexWriter;
importorg.apache.lucene.index.IndexWriterConfig;
importorg.apache.lucene.queryparser.classic.ParseException;
importorg.apache.lucene.queryparser.classic.QueryParser;
importorg.apache.lucene.search.IndexSearcher;
importorg.apache.lucene.search.Query;
importorg.apache.lucene.search.ScoreDoc;
importorg.apache.lucene.search.TopDocs;
importorg.apache.lucene.store.RAMDirectory;
importorg.apache.lucene.util.Version;
importorg.wltea.analyzer.lucene.IKAnalyzer;
 
publicclassIKAnalyzerDemo {
 
    /**
     * @param args
     * @throws IOException
     */
    publicstaticvoidmain(String[] args)throwsIOException {
        // TODO Auto-generated method stub
        //建立索引
        String text1 ="IK Analyzer是一个结合词典分词和文法分词的中文分词开源工具包。它使用了全新的正向迭代最细粒度切"+
                "分算法。";
        String text2 ="中文分词工具包可以和lucene是一起使用的";
        String text3 ="中文分词,你妹";
        String fieldName ="contents";
        Analyzer analyzer =newIKAnalyzer();
        RAMDirectory directory =newRAMDirectory();
        IndexWriterConfig writerConfig =newIndexWriterConfig(Version.LUCENE_34, analyzer);
        IndexWriter indexWriter =newIndexWriter(directory, writerConfig);
        Document document1 =newDocument();
        document1.add(newField("ID","1", Field.Store.YES, Field.Index.NOT_ANALYZED));
        document1.add(newField(fieldName, text1, Field.Store.YES, Field.Index.ANALYZED));
        indexWriter.addDocument(document1);
 
        Document document2 =newDocument();
        document2.add(newField("ID","2", Field.Store.YES, Field.Index.NOT_ANALYZED));
        document2.add(newField(fieldName, text2, Field.Store.YES, Field.Index.ANALYZED));
        indexWriter.addDocument(document2);
 
        Document document3 =newDocument();
        document3.add(newField("ID","2", Field.Store.YES, Field.Index.NOT_ANALYZED));
        document3.add(newField(fieldName, text3, Field.Store.YES, Field.Index.ANALYZED));
        indexWriter.addDocument(document3);
        indexWriter.close();
 
 
        //搜索
        IndexReader indexReader = IndexReader.open(directory);
        IndexSearcher searcher =newIndexSearcher(indexReader);
        String request ="中文分词工具包";
        QueryParser parser =newQueryParser(Version.LUCENE_40, fieldName, analyzer);
        parser.setDefaultOperator(QueryParser.AND_OPERATOR);
        try{
            Query query = parser.parse(request);
            TopDocs topDocs = searcher.search(query,5);
            System.out.println("命中数:"+topDocs.totalHits);
            ScoreDoc[] docs = topDocs.scoreDocs;
            for(ScoreDoc doc : docs){
                Document d = searcher.doc(doc.doc);
                System.out.println("内容:"+d.get(fieldName));
            }
        }catch(ParseException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }finally{
            if(indexReader !=null){
                try{
                    indexReader.close();
                }catch(IOException e) {
                    e.printStackTrace();
                }
            }
 
            if(directory !=null){
                try{
                    directory.close();
                }catch(Exception e) {
                    e.printStackTrace();
                }
            }
        }
 
    }
 
}



这段代码是将索引文件放入内存中(RAMDirectory),运行结果如下:


加载扩展停止词典:stopword.dic
命中数:2
内容:中文分词工具包可以和lucene是一起使用的
内容:IK Analyzer是一个结合词典分词和文法分词的中文分词开源工具包。它使用了全新的正向迭代最细粒度切分算法。




这段代码有两个问题:
1、Field()已经不推荐按使用。
2、QueryParser()的使用方式也改变了。

下面是更加符合要求的示例。

第二个示例:

MyIndex类用来创建索引:
importorg.apache.lucene.analysis.Analyzer;
importorg.apache.lucene.document.*;
importorg.apache.lucene.document.Field.Store;
importorg.apache.lucene.index.IndexWriter;
importorg.apache.lucene.index.IndexWriterConfig;
importorg.apache.lucene.store.Directory;
importorg.apache.lucene.store.FSDirectory;
importorg.apache.lucene.util.Version;
importorg.wltea.analyzer.lucene.IKAnalyzer;
 
importjava.io.File;
 
 
publicclassMyIndex {
    publicstaticvoidmain(String[] args) {
        String ID;
        String content;
 
        ID ="1231";
        content ="BuzzFeed has compiled an amazing array of "+
                "ridiculously strange bridesmaid snapshots, courtesy of Awkward Family Photos. ";
        indexPost(ID, content);
 
        ID ="1234";
        content ="Lucene是apache软件基金会4 jakarta项目组的一个子项目,是一个开放源代码的全文检索引擎工具包";
        indexPost(ID, content);
 
        ID ="1235";
        content ="Lucene不是一个完整的全文索引应用,而是是一个用Java写的全文索引引擎工具包,它可以方便的嵌入到各种应用中实现";
        indexPost(ID, content);
 
    }
 
    publicstaticvoidindexPost(String ID, String content) {
        File indexDir =newFile("/home/letian/lucene-test/index");
 
        Analyzer analyzer =newIKAnalyzer();
 
        TextField postIdField =newTextField("id", ID, Store.YES); // 不要用StringField
        TextField postContentField =newTextField("content", content, Store.YES);
 
        Document doc =newDocument();
        doc.add(postIdField);
        doc.add(postContentField);
        IndexWriterConfig iwConfig =newIndexWriterConfig(Version.LUCENE_4_10_1, analyzer);
        iwConfig.setOpenMode(IndexWriterConfig.OpenMode.CREATE_OR_APPEND);
        try{
            Directory fsDirectory = FSDirectory.open(indexDir);
            IndexWriter indexWriter =newIndexWriter(fsDirectory, iwConfig);
            indexWriter.addDocument(doc);
            indexWriter.close();
        }catch(Exception e) {
            e.printStackTrace();
        }
    }
}




索引以文件的形式存储在/home/letian/lucene-test/index目录中,Field被替换成了TextField,注意对于全文索引,不要使用StringField。
运行上面的代码,创建索引的结果如下:




MySearch.java是一个搜索的示例:
importorg.apache.lucene.analysis.Analyzer;
importorg.apache.lucene.document.Document;
importorg.apache.lucene.queryparser.classic.QueryParser;
importorg.apache.lucene.search.*;
importorg.apache.lucene.store.Directory;
importorg.apache.lucene.store.FSDirectory;
importorg.apache.lucene.index.DirectoryReader;
importorg.wltea.analyzer.lucene.IKAnalyzer;
 
importjava.io.File;
 
publicclassMySearch {
    publicstaticvoidmain(String[] args) {
        Analyzer analyzer =newIKAnalyzer();
        File indexDir =newFile("/home/letian/lucene-test/index");
        try{
            Directory fsDirectory = FSDirectory.open(indexDir);
            DirectoryReader ireader = DirectoryReader.open(fsDirectory);
            IndexSearcher isearcher =newIndexSearcher(ireader);
 
 
            QueryParser qp =newQueryParser("content", analyzer);        //使用QueryParser查询分析器构造Query对象
            qp.setDefaultOperator(QueryParser.AND_OPERATOR);
            Query query = qp.parse("Lucene");    // 搜索Lucene
            TopDocs topDocs = isearcher.search(query ,5);     //搜索相似度最高的5条记录
            System.out.println("命中:"+ topDocs.totalHits);
            ScoreDoc[] scoreDocs = topDocs.scoreDocs;
            for(inti =0; i < topDocs.totalHits; i++){
                Document targetDoc = isearcher.doc(scoreDocs[i].doc);
                System.out.println("内容:"+ targetDoc.toString());
            }
 
        }catch(Exception e) {
 
        }
    }
}


得到的结果如下:
命中:2
内容:Document<stored,indexed,tokenized<id:1234> stored,indexed,tokenized<content:Lucene是apache软件基金会4 jakarta项目组的一个子项目,是一个开放源代码的全文检索引擎工具包>>
内容:Document<stored,indexed,tokenized<id:1235> stored,indexed,tokenized<content:Lucene不是一个完整的全文索引应用,而是是一个用Java写的全文索引引擎工具包,它可以方便的嵌入到各种应用中实现>>


参考:


http://lucene.apache.org/core/4_10_0/core/index.html
http://blog.csdn.net/tangpengtao/article/details/8670724
http://blog.csdn.net/enjoyinwind/article/details/8278250
http://blog.csdn.net/fyqcdbdx/article/details/17465929

更多资料:

初识 Lucene
http://www.ibm.com/developerworks/cn/java/j-lo-lucene1/

Lucene:基于Java的全文检索引擎简介
http://www.chedong.com/tech/lucene.html

使用 Apache Lucene 搜索文本
http://www.ibm.com/developerworks/cn/opensource/os-apache-lucenesearch/

深入 Lucene 索引机制
http://www.ibm.com/developerworks/cn/java/wa-lucene/

Lucene学习总结 系列文章
http://forfuture1978.iteye.com/category/89151

分享到:0
关注微信,跟着我们扩展技术视野。每天推送IT新技术文章,每周聚焦一门新技术。微信二维码如下:
微信公众账号:尚学堂(微信号:bjsxt-java)
北京总部地址:北京市海淀区西三旗桥东建材城西路85号神州科技园B座三层尚学堂 咨询电话:400-009-1906 010-56233821
Copyright 2007-2015 北京尚学堂科技有限公司 京ICP备13018289号-1 京公网安备11010802015183