2007-7-2
突然想學lucene了，不知為什麼，就是想學了，為了防止半途而廢，決定寫讀書筆記，大家監督。
（初學者寫的，切記不可當教程看，不准的。本不想發在blog,但實在沒時間整別的了，還是發了吧）
lucene
是什麼？
lucence 是一種全文檢索工具，它按照一定的規則去建立檔案索引，然後再按照一定的規則根據索引進行資料的查詢，目的是提高查詢速度（但為了建立索引也耗費了額外的儲存空間）
以下是讀書筆記，是根據ajax in action和征服ajax做的筆記。以備日後複習交流。
在寫筆記之前其實已經看過ajax in action 了，但由於當時看的是英文版本並且2.0已經發布，所以沒願意做筆記；現在發現2.0的資料太少，不容易學習，還是決定先根據1.43來學習。畢竟自己還沒達到那種沒有資料就可以學習的水平…………，夠用就好
今天看了征服ajax的前幾章（第八章和第九章），感覺這兩章主要是舉了幾個例子，由於以前接觸過，馬虎一看而過，因為真正的祥解是從第十章開始的。
這裡大體總結一下lucence的機制，
用lecence進行全文檢索，是通過兩個步驟來完成的：建立索引和根據索引查詢。僅此而已，簡單嗎？ 聽起來簡單，做個測試例子也不難，但真正要用到專案中並產生作用就有些難度了，因為需要做很多的額外工作。以前用過trs，感覺他們實現的不錯，但畢竟是收費的產品，還是自己能實現的好啊。
索引的建立
開始了，現在開始建立索引，沒辦法，不建立索引你怎麼去根據索引去查詢？ 所以得從它開始啃了。
1 索引的建立過程
建立索引一般是經過下面幾個步驟的：
a 提取資料：為啥子要提取資料？因為lucence沒你想的那麼聰明，什麼樣的格式都能讀取出來，都能認識。看了征服ajax的第九章的例子，被索引的檔案格式好像是txt的，就是說純文字檔案的東西可以讀取出來，別的嘛，就得另說了阿.按照它的說法，得需要給每一種文件格式都寫一中資料分析器（按照lucence的說法好像叫做parser，也不知道好寫不？）
寫到這，好風忍不住想說兩句，其實我們現在做的專案，其實大多數是從資料庫裡讀取的資料並查詢的，從檔案裡讀取的還是少數吧？就算是從檔案裡讀取資料的話，我們也可以用一些現有的工具去讀取資料，如
poi等。就是說，我們可以利用現有的工具去獲取各種格式的資料（從資料庫裡讀取資料也可以看作是一種格式，只不過是利用
jdbc
去讀取哦）
就是說，如果lucence的parser不好寫或者根本就沒這麼個東西（我現在認為他是乙個介面），我們可以去自己寫，凡只需要返回純文字資料就成了唄。寫個介面，建立paser類返回同樣的資料就可以阿（好風模式學的不好，不知道做起來能不能這麼簡單）。
b 建立document :
這個東西嘛，根據我現在的理解就相當於資料庫裡的一行，一條記錄。
查詢出的結果是以他為最小單位的好像。裡面有既然是一行，那麼就應該有列嘍（或者叫字段），想起來了，lucene中好像有個field的東西；建立乙個document的時候需要建立乙個或多個field,field可是有很多態別的，比如專門用來檢索的，有的專門用來儲存檢索資料。在建立索引的時候，你就可以建立乙個索引字段，再建立乙個內容字段；在查詢的時候，你就可以根據索引字段得到這乙個document,然後根據獲取內容字段，就可以得到你想要的值啦！可以有多個索引欄位和內容欄位的。
c 分析並建索
將document（包括field）建立完畢之後，我們就需要建立乙個indexwriter物件，看名字就知道是用來建立索引的，指定好索引檔案所在的位置以及建立索引用的分析器，就可以將document寫入索引了。就好比indexwriter建立了乙個資料庫的表(索引檔案),再向這個表裡插入行資料（document），這裡分析器可以有不同的型別，咂用俺還不會…………
LUCENE 讀書筆記 20070712
20070712 檢索 建立了索引就是為了檢索用的，下面就開始看嘍。檢索的步驟 1 建立indexsearcher 初始化indexsearcher的方法有很多種，最簡單的就是傳遞乙個索引檔案所在目錄的字串作為引數。2 構建query query代表了查詢的條件以及查詢的一些引數 3 返回查詢結果並...
LUCENE 讀書筆記 20070704
2007 7 4 建立索引 前面已經建立了document和field，那麼如何儲存建立好的索引呢？這是通過indexwriter實現的。indexwriter在建立的時候需要指定索引檔案所在目錄引數 分析器引數 用來在進行索引的時候對文字進行分析，用來進行將索引字段進行切詞的操作 是否重新建立索引...
Lucene讀書筆記（三）
lucene索引文件格式 以上就是lucene的索引檔案的概念結構。lucene索引index由若干段 segment 組成，每一段由若干的文件 document 組成，每乙個文件由若干的域 field 組成，每乙個域由若干的項 term 組成。項是最小的索引概念單位，它直接代表了乙個字串以及其在檔...