??? Lucene不是一個現成的程序，類似文件搜索程序或web網絡爬行器或是一個網站的搜索引擎。Lucene是一個軟件庫，一個開發工具包，而不是一個具 有完整特征的搜索應用程序。它本身只關注文本的索引和搜索。Lucene使你可以為你的應用程序添加索引和搜索能力。目前已經有很多應用程序的搜索功能是 基于 Lucene 的，比如 Eclipse 的幫助系統的搜索功能。

??? Lucene 采用的是一種稱為反向索引（inverted index）的機制。反向索引就是說我們維護了一個詞/短語表，對于這個表中的每個詞/短語，都有一個鏈表描述了有哪些文檔包含了這個詞/短語。這樣在用戶輸入查詢條件的時候，就能非常快的得到搜索結果。

??? 文檔建立好索引后，就可以在這些索引上面進行搜索了。搜索引擎首先會對搜索的關鍵詞進行解析，然后再在建立好的索引上面進行查找，最終返回和用戶輸入的關鍵詞相關聯的文檔。
?? 今天在傳智播客的課堂上，湯陽光老師教我們實現了簡單的Lucene搜索引擎，使我們能夠對大量的文檔實現不同需求的查找。以下是我的總結。

1. 準備環境：添加jar包
? lucene-core-2.4.0.jar（核心）；
? lucene-analyzers-2.4.0.jar（分詞器）；
? lucene-highlighter-2.4.0.jar（高亮器）；

* 相關參數說明

<1> Directory，代表了 Lucene 的索引的存儲的位置。這是一個抽象類，常用的有兩個實現，第一個是 FSDirectory，它表示一個存儲在文件系統中的索引位置。第二個是 RAMDirectory，它表示一個存儲在內存當中的索引位置。

<2> Analyzer，在一個文檔被索引之前，首先需要對文檔內容進行分詞處理，這部分工作就是由 Analyzer 來做的。Analyzer 類是一個抽象類，它有多個實現。針對不同的語言和應用需要選擇適合的 Analyzer。Analyzer 把分詞后的內容交給IndexWriter 來建立索引。

<3> MaxFieldLength，用于限制Field的大小。這個變量可以讓用戶有計劃地對大文檔Field進行截取。假如取值為10000，就只索引每個 Field的前10000個Term（關鍵字）。也就是說每個Field中只有前10000個Term（關鍵字）建立索引，除此之外的部分都不會被 Lucene索引，當然也不能被搜索到。

* 相關參數說明

<1> Document，是用來描述Lucene文檔結構的。任何需要進行索引的數據都必須轉化成Document對象。Document是索引和搜索的最基本單元，是一組Field的集合。

<2> Field，組成Document的元素，用來描述一個文檔的某個屬性的，比如一封電子郵件的標題和內容可以用兩個Field對象分別描述。Field是 由name和value組成的，value只接受字符串（非字符串類型要先轉換成字符串才行）。在構造Field時要指定Store和Index。

??? Field.Store，指定Field是否或怎樣存儲。
?? Store.NO，不存儲。
?? Store.YES，存儲。
?? Store.COMPRESS，壓縮后存儲（數據量很大的時候可以使用，但要考慮效率）。

??? Field.Index，指定Field是否或怎么被索引。
?? Index.NO，不索引（不索引就不能被搜索到）。
?? Index.ANALYZED，（以前版本中為TOKENIZED），分詞后索引。
?? Index.NOT_ANALYZED，(以前版本中為UN_TOKENIZED），不分詞，直接索引（把整個Field做為一個term）。

注意：當完成了索引操作后，一定要調用IndexWriter.close()方法。

IndexWriter.deleteDocuments(Term term);

會刪除索引文件里含有指定Term的所有Document。Term，是搜索的基本單位。代表某個Field中出現的某個關鍵字。?

IndexWriter.updateDocument(Term term, Document doc);

實際上是先刪除再創建索引，就是說如果有多條符合條件的Document，更新后只有一條。

使用類IndexSearcher。查詢方法為：

IndexSearcher.search(Query, Filter, int);

相關參數說明：
<1> Query，查詢對象，把用戶輸入的查詢字符串封裝成Lucene能夠識別的Query。
<2> Filter，用來過慮搜索結果。
<2> 第三個參數（int類型），最多返回的Document的數量。
返回的是一個TopDocs類型，調用TopDocs.scoreDocs得到查詢結果。

ScoreDoc.doc返回文檔的內部編號。
IndexSearcher.doc(hits[i].doc) 通過編號，拿到文檔。

Query可以用QueryParser解析查詢字符串生成。使用構造方法為QueryParser(String defaultFieldName, Analyzer a)，第一個參數為默認查詢的Field，第二個參數為使用的分詞器（這里用的分詞器要和建立索引時用的分詞器一致，否則可能會搜索不到結果）。使用parse(String)方法解析查詢內容。

相關代碼：

List<Document> docs = new ArrayList<Document>();
?IndexSearcher indexSearcher = null;
?try {
??indexSearcher = new IndexSearcher(dir);

???Filter filter = null;
??int nDocs = 10000;

???TopDocs topDocs = indexSearcher.search(query, filter, nDocs);
??System.out.println("共有【" + topDocs.totalHits + "】條匹配記錄");

???for (int i = 0; i < topDocs.totalHits; i++) {
???ScoreDoc scoreDoc = topDocs.scoreDocs[i];
???int docNum = scoreDoc.doc; // 文檔在索引庫中的編號
????Document doc = indexSearcher.doc(docNum); // 通過編號取出相應的文檔

????docs.add(doc);
??}

???return new SearchResult(topDocs.totalHits, docs);
?} catch (Exception e) {
??throw new RuntimeException(e);
?} finally {
??try {
???indexSearcher.close();
??} catch (IOException e) {
???e.printStackTrace();
??}
?}

8. 下面是對一些重要的類及術語進行解釋：

<1> Directory，有兩個：
a) FSDirectory，將索引放到磁盤中。
b) RAMDirectory，將索引放到內存中。速度快，但是在jvm退出之后，內存中的索引就不存在了。可以在jvm退出之前調用另一個使用FSDirectory的IndexWriter 把內存中的索引轉存到文件系統中。
?? 相應的API為IndexWriter.addIndexesNoOptimize(Directory[])，注意這個調用代碼要放在內存中索引的操作 RAMDirectory的IndexWriter關閉后，以便所有的document都進入RAMDirectory。在創建RAMDirectory 的實例時，可以使用無參的構造方法，或是有一個參數的構造方法：可以指定一個文件路徑，以便加載磁盤中的索引到內存中。
<2> 相關度排序，Lucene的搜索結果默認按相關度排序的，所謂相關度，就是文檔的得分。Lucene有一個評分機制，就是對檢索結果按某種標準進行評估，然后按分值的高低來對結果進行排序。

? a) 文檔的得分與用戶輸入的關鍵字有關系，而且是實時運算的結果。得分會受關鍵字在文檔中出現的位置與次數等的影響。

? b) 可以利用Boost影響Lucene查詢結果的排序，通過設置Document的Boost來影響文檔的權重，以達到控制查詢結果順序的目的：Document.setBoost(float)。默認值為1f，值越大，得分越高。

? c) 也可以在查詢時給Filed指定boost。當同樣的term屬于不同的field時，如果field的boost不一樣，其所屬的文件的得分也不一樣。
<3> Analyzer，分詞器，對文本資源進行切分，將文本按規則切分為一個個可以進行索引的最小單位（關鍵字）。

??? 對于英文的分詞，是按照標點、空白等拆分單詞，比較簡單；而中文的分詞就比較復雜了，如”中華人民共和國“可以分為”中華”、“人民”、“共和國”，但不應有“華人”這個詞（不符合語義）。

??? 中文分詞幾種常用的方式：
a) 單字分詞，就是按照中文一個字一個字地進行分詞。如：我們是中國人，效果：我\們\是\中\國\人。（StandardAnalyzer就是這樣）。
b) 二分法：按兩個字進行切分。如：我們是中國人，效果：我們\們是\是中\中國\國人。（CJKAnalyzer就是這樣）。
c) 詞庫分詞：按某種算法構造詞然后去匹配已建好的詞庫集合，如果匹配到就切分出來成為詞語。通常詞庫分詞被認為是最理想的中文分詞算法如：我們是中國人，效果為：我們\是\中國\中國人。
<4> Highlighter，高亮器，用于高亮顯示匹配的關鍵字。
包含三個主要部分:
1) 格式化器：Formatter（使用SimpleHTMLFormatter，在構造時指定前綴和后綴）。
2) 計分器：Scorer（使用QueryScorer）。
3) 段劃分器：Fragmenter（使用SimpleFragmenter，在構造時指定關鍵字所在的內容片段的長度）。

通過方法getBestFragment(Analyzer a, String fieldName,String text)實現高亮。（如果進行高亮的field中沒有出現關鍵字，返回null）。
<5> 查詢，有兩種方式：通過Query Parser解析查詢字符串或使用API構建查詢。
使用Query Parser時不匹分大小寫。以下是常用的查詢：

? 1) TermQuery，按Term（關鍵字）查詢（term的值應是最終的關鍵字，英文應全部小寫）。
? TermQuery(Term t)；
? syntax: propertyName:keyword；

? 2) RangeQuery，指定范圍查詢。
? RangeQuery(Term lowerTerm, Term upperTerm, boolean inclusive)；
?? syntax: propertyName:[lower TO upper] （包含lower和upper）；
? syntax: propertyName:{lower TO upper} （不包含lower和upper）；

? 3) PrefixQuery，前綴查詢。
? PrefixQuery(Term prefix)；
? syntax：propertyName:prefix*；

? 4) WildcardQuery，通配符查詢，可以使用"?"代表一個字符，"*"代表0個或多個字符。（通配符不能出現在第一個位置上）
? WildcardQuery(Term term)；
? syntax: propertyName:chars*chars?chars

? 5) MultiFieldQueryParser，在多個Field中查詢。
? queryParser = MultiFieldQueryParser(String[] fields, Analyzer analyzer);
? Query query = parse(String query);??
? 6) BooleanQuery，布爾查詢。這個是一個組合的Query，可以把各種Query添加進去并標明他們的邏輯關系。
? TermQuery q1 = new TermQuery(new Term("title","javadoc"));
? TermQuery q2 = new TermQuery(new Term("content","term"));
? BooleanQuery boolQuery = new BooleanQuery();
? boolQuery.add(q1, Occur.MUST);
? boolQuery.add(q2, Occur.MUST_NOT);
? Occur.MUST，必須出現。
? Occur.MUST_NOT，必須未出現。
? Occur.SHOULD，只有一個SHOULD時為必須出現，多于一個時為或的關系。

?? syntax: + - AND NOT OR （必須為大寫）。