Lucene-构建和安装基础示例程序
- 关于本文
- 关于示例程序
- 设置CLASSPATH环境变量
- 使用索引搜索
- 关于代码
- 核心代码
- 索引文件
- 搜索索引
关于本文
本文的目标是通过示例程序帮助你快速入门，了解基本的安装流程，和配置方法。
关于示例
示例程序演示了Lucene各种功能，以及如何嵌入到你的应用中。
设置CLASSPATH环境变量
首先，你需要下载最新的Lucene发布包，然后解压到一个目录中。
然后你会得到四个JAR包： lucene-core-{version}.jar、 lucene-queryparser-{version}.jar、 lucene-analyzers-common-{version}.jar、 lucene-demo-{version}.jar，把四个JAR包放入到CLASSPATH中。
使用索引搜索
假设你已经正确配置了CLASSPATH环境变量，接着为文件建立索引。
java org.apache.lucene.demo.IndexFiles -docs {path-to-lucene}
上面的命令生成一个叫index的子目录，里面包含了生成了所有Lucene源代码的索引。
建立完索引之后，通过下面的命令来使用索引搜索：
java org.apache.lucene.demo.SearchFiles
尝试搜索supercalifragilisticexpialidocious，你将会得到无结果，因为Lucene源代码中没有这个词。换一个词，如string，再试一次。然后得到了很多结果，每页十条返回，当然你也可以根据需要要求返回更多的结果。
关于代码
本文深入到命令行的背后–源代码，告诉你核心代码有哪些，在哪里，以及功能是什么，目的是为了使你知道如何在自己应用程序中集成Lucene。
核心代码
- IndexFiles.java:用于创建一个索引文件
- SearchFiles.java:用于搜索索引文件
索引文件
上面说到IndexFiles类用于创建索引文件，下面来看看它是如何做的。
IndexFiles的执行流程：
main()方法解析命令行参数，然后初始化IndexWriter，打开一个Directory，再初始化StandardAnalyzer和IndexWriterConfig。
IndexFiles的命令行参数：
- -index：指定了一个存储索引文件的目录路径，如果没有指定-index参数的值，则默认使用相对路径index，如果当前目录不存在，则新建一个。在某些平台上，默认index目录可能是在一个不同的目录中创建的，如用户目录。
- -docs：指定要建立索引为的文档路径。
- -update：指示IndexFiles不要删除那些已经存在的索引文件，如果没有这个参数，那么IndexFiles在建立索引之前首先清空索引文件。
IndexWriter使用Directory存储索引信息，Directory是一个抽象概念，并不一定是指文件系统上的一个目录，也可以是RAM或数据库等。在示例程序中用到的是FSDirectory，它存储的目的地是文件系统。
Analyzer是一个处理通道，通过把输入文本打散成一个个的单词，然后再在单词上做进一步的处理，如小写转换、同义词插入、过滤等操作。在示例程序中，使用的是StandardAnalyzer，它使用Unicode文本分隔算法（该算法定义在 Unicode Standard Annex #29中），然后转换成小写，并过滤停止词。Lucene只提供少数几种语言的分析器，定义在lucene/analysis/common/src/java/org/apache/lucene/analysis下。
IndexWriterConfig封装了IndexWriter的所有配置。
当IndexWriter初始化之后，接着调用indexDocs()方法来递归建立Document对象，然后再由IndexWriter序列化到文件中。Document对象是一个简单的数据对象，表示一个索引文件。如果使用了-update命令行参数，IndexWriterConifg的OpenMode将会被设置为OpenMode.CREATE_OR_APPEND，从而IndexWriter尝试根据标识符查找是否存在旧的索引文件，如果存在，则更新；如果不存在，则新建。
搜索索引
SearchFile类由三个组件组成：IndexSearcher、StandardAnalyzer和QueryParser。搜索用到的分词器与建立索引时适用的分词器必须是同一个，才能保证结果正确。QueryParser分析搜索词，产生一个查询对象Query，然后再传递给IndexSearcher进行搜索。
调用SearchFile的search(query,n)方法进行搜索，命中文档将按照分数从高到低排序，然后返回最高的前几文档。
知识链
参考
Lucene 7.4.0 demo API