首页 诗词 字典 板报 句子 名言 友答 励志 学校 网站地图
当前位置: 首页 > 教程频道 > 其他教程 > 开源软件 >

lucene 3.5学习札记

2012-07-20 
lucene 3.5学习笔记最近一段时间在研究lucene的使用,可以说lucene的功能确实很强大,我只是略沾皮毛,下面是

lucene 3.5学习笔记
    最近一段时间在研究lucene的使用,可以说lucene的功能确实很强大,我只是略沾皮毛,下面是我学习lucene的过程。
    
     开发环境:eclipse3.7;
     lucene版本:3.5

    功能需求是:对50万的简历数据可以进行多关键字的查询,查询响应时间控制在3S中以内。
    需要说明的是,我的简历数据是放在数据库表里面的,数据库对于like%的查询效率太低。所以这里我就想到了用lucene的全文检索来实现。

简历表:tb_resume(resumeId,.....);对应实体类:ResumeModel

CREATE TABLE `tb_resume` (
  `resumeId` int(11) NOT NULL AUTO_INCREMENT,
  `name` varchar(200) DEFAULT NULL,
  `sex` varchar(11) DEFAULT NULL,
  `degree` varchar(200) DEFAULT NULL,
  `jingyan` varchar(200) DEFAULT NULL,
  `birthday` datetime DEFAULT NULL,
  `nowPlace` varchar(200) DEFAULT NULL,
  `birthPlace` varchar(200) DEFAULT NULL,
  `email` varchar(200) DEFAULT NULL,
  `tel` varchar(200) DEFAULT NULL,
  `workExp` longtext,
  `educationExp` longtext,
  `projectExp` longtext,
  `selfEvaluation` longtext,
  `state` int(11) DEFAULT NULL,
  `qz` int(11) DEFAULT '1',
  PRIMARY KEY (`resumeId`)
) ENGINE=InnoDB AUTO_INCREMENT=500058 DEFAULT CHARSET=utf8;

第一步,创建索引
    由于数据来源是在数据库,所以需要先取出数据库里面的数据。
    然后对这些数据创建索引:

import java.io.IOException;import java.util.Date;import java.util.List;import org.apache.lucene.document.Document;import org.apache.lucene.document.Field;import org.apache.lucene.index.IndexWriter;import org.apache.lucene.index.IndexWriterConfig;import org.apache.lucene.store.FSDirectory;import org.apache.lucene.util.Version;import org.apache.lucene.index.IndexWriterConfig.OpenMode;  import scott.resume.model.ResumeModel;import util.Constant;/** * 创建索引类 * @author Administrator * */public class CreateIndex {//private static final File INDEX_DIR = new File("E:\\新的设计目录\\txlpf\\lucene");//    private static final Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_35);  /**      * 将简历信息添加到索引库中      * @param list      * @throws IOException      */     public static void index(List<ResumeModel> list) throws IOException {     long start1 = new Date().getTime();       IndexWriter writer = openIndexWriter();                try {             for (ResumeModel rm : list) {                 Document document = builderDocument(rm);                 writer.addDocument(document);                          }         } finally {             writer.close();         }         long end1 = new Date().getTime();   System.out.println("创建索引花费时间:" + (double) (end1 - start1) / 1000 + "秒");   }     private static IndexWriter openIndexWriter() throws IOException {         IndexWriterConfig iwc = new IndexWriterConfig(Version.LUCENE_35,                 Constant.analyzer);         iwc.setOpenMode(OpenMode.CREATE_OR_APPEND);//增量型索引 ,这个地方是关于你创建索引是增量的还是始终创建的。一般来说,选择create_or_append比较好,无论你是否已经创建了索引,都满足       return new IndexWriter(FSDirectory.open(Constant.INDEX_DIR), iwc);          }  /** * 创建索引 * @param obj 要创建索引的对象 * @return */public static Document builderDocument(ResumeModel rm) {          Document document = new Document();          String state = null;        if(rm.getState()==0){        state = "未录用";         }        else{        state = "已录用";         }        Field id = new Field("id", String.valueOf(rm.getResumeId()),  Field.Store.YES, Field.Index.ANALYZED);          Field content = new Field("content", rm.getDegree()+rm.getJingyan()+rm.getWorkExp()+rm.getEducationExp()+rm.getProjectExp()+rm.getSelfEvaluation()+state,  Field.Store.YES, Field.Index.ANALYZED);          document.add(id);          document.add(content);          return document;      }  }

    

其中,docement就相当于数据表。field相当于数据表里面的字段。


第二步:查询
创建完索引之后就可以进行查询了
jsp页面用于输入查询的关键词,例如我输入:java 已录用

下面是写的一个查询帮助类:
import org.apache.lucene.index.Term;import org.apache.lucene.search.BooleanQuery;import org.apache.lucene.search.BooleanClause;import org.apache.lucene.search.PhraseQuery;import org.apache.lucene.search.Query;import org.apache.lucene.search.TermQuery;/** * 查询类 * @author Administrator * */public class QueryUtil {/** *  功能:按词条搜索 - TermQuery  * @param field field的名称 * @param searchKey 查询的词 * @return */public static Query searchByTeam(String field,String searchKey){System.err.println("TermQuery test demo------");Term term = new Term(field, searchKey);Query query= new TermQuery(term);System.err.println("查询条件:" + query);System.err.println("查询语义:查询在AlarmType中出现""+searchKey+""这个词的Document.");return query;}/** * 功能:查询俩个子查询的交集 * @param qy1 * @param qy2 * @return */public static Query booleanAndSearch(Query qy1,Query qy2){BooleanQuery query = new BooleanQuery();//新建一个布尔查询query.add(qy1, BooleanClause.Occur.MUST);query.add(qy2, BooleanClause.Occur.MUST);return query;}/** * 功能:查询俩个子查询的交集 * @param fieldOne 第一个子查询field * @param searchKeyOne 第一个子查询关键词 * @param fieldTwo 第二个子查询的field * @param searchKeyTwo 第二个子查询的关键词 * @return */public static Query searchByBooleanAnd(String fieldOne ,String searchKeyOne,String fieldTwo,String searchKeyTwo){BooleanQuery query = new BooleanQuery();//新建一个布尔查询Query qy1 = QueryUtil.searchByTeam(fieldOne, searchKeyOne);Query qy2 = QueryUtil.searchByTeam(fieldTwo, searchKeyTwo);query.add(qy1, BooleanClause.Occur.MUST);query.add(qy2, BooleanClause.Occur.MUST);System.err.println("查询条件:" + query);System.err.println("查询语义:查询在"+fieldOne+"中包含""+searchKeyOne+""这个词但是不能包含查询在"+fieldTwo+"中包含""+searchKeyTwo+""的Document.");return query;}/** * 功能:查询俩个子查询的并集  * @param fieldOne 第一个子查询field * @param searchKeyOne 第一个子查询关键词 * @param fieldTwo 第二个子查询的field * @param searchKeyTwo 第二个子查询的关键词 * @return */public static Query searchByBooleanOr(String fieldOne ,String searchKeyOne,String fieldTwo,String searchKeyTwo){BooleanQuery query = new BooleanQuery();//新建一个布尔查询Query qy1 = QueryUtil.searchByTeam(fieldOne, searchKeyOne);Query qy2 = QueryUtil.searchByTeam(fieldTwo, searchKeyTwo);query.add(qy1, BooleanClause.Occur.SHOULD);query.add(qy2, BooleanClause.Occur.SHOULD);System.err.println("查询条件:" + query);System.err.println("查询语义:包含查询在"+fieldOne+"中包含""+searchKeyOne+""这个词而且包含查询在"+fieldTwo+"中包含""+searchKeyTwo+""的Document.");return query;}/** * 功能:查询俩个子查询的 差集,第一个子查询的结果不包含第二个子查询  * @param fieldOne 第一个子查询field * @param searchKeyOne 第一个子查询关键词 * @param fieldTwo 第二个子查询的field * @param searchKeyTwo 第二个子查询的关键词 * @return */public static Query searchByBooleanNot(String fieldOne ,String searchKeyOne,String fieldTwo,String searchKeyTwo){BooleanQuery query = new BooleanQuery();//新建一个布尔查询Query qy1 = QueryUtil.searchByTeam(fieldOne, searchKeyOne);Query qy2 = QueryUtil.searchByTeam(fieldTwo, searchKeyTwo);query.add(qy1, BooleanClause.Occur.MUST);query.add(qy2, BooleanClause.Occur.MUST_NOT);System.err.println("查询条件:" + query);System.err.println("查询语义:查询在"+fieldOne+"中包含""+searchKeyOne+""这个词但是不包含查询在"+fieldTwo+"中包含""+searchKeyTwo+""的Document.");return query;}/** * 功能:词组查询也称短语查询 * @param fields 查询的field * @param keywords 关键词数组 * @return */public static Query searchByManyKeywords(String fields,String[] keywords){PhraseQuery query = new PhraseQuery();String str = null;for(int i=0;i<keywords.length;i++){query.add(new Term(fields, keywords[i]));str = str +keywords[i];}query.setSlop(5);System.err.println("查询条件:" + query);System.err.println("查询语义:查询"+fields+"中含有:"+str+"的数据,这几个词至少移动五步才能构成词组,返回符合条件的Document.");return query;}}


查询时候关键词的确定
首先,前台控制关键词之间只能是空格,或者逗号
然后获取用户输入的关键词:
/** * 根据输入的关键字返回关键词字符串数组 * @param key * @return */public static String[] getKeywords(String key){String[] resultKeys = null;key = key.replace(" ", " ");//第一步,将所有的全角空格换个半角空格key = key.replace(",", ",");//第二部,将所有的全角逗号,换成半角逗号key = key.replaceAll(",", " ");//将所有的半角逗号换成空格key = key.replaceAll( "(\\s+) ",   " "); //将多个空格换成一个空格key = key.trim(); //去除俩端的空格resultKeys = key.split("[   ,]");//以空格分隔字符串return resultKeys;}


查询:java,已录用
/** * 功能:获得多个关键词的查询的query * @param field 要查询的字段 * @param keys 查询的关键词数组 * @return * @throws CorruptIndexException * @throws ParseException * @throws IOException */public static Query searchByManyKey(String field,String keys[]) throws CorruptIndexException, ParseException, IOException{Query qy1 = null;Query qy2 = null;Query temp = null;for(int i=0;i<keys.length-1;i++){qy1 = QueryForLucene.buildQuery(field, keys[i]);qy2 = QueryForLucene.buildQuery(field, keys[i+1]);temp = qy1;temp = QueryUtil.booleanAndSearch(temp, qy2);System.out.println(temp+"\n__________________");}return temp;}/** * 功能:多关键词查询,返回查询结果集 * @param field 查询的field * @param key 查询的关键词数组 * @return * @throws CorruptIndexException * @throws ParseException * @throws IOException */public static ScoreDoc[] getSearchResultAnd(String field,String key[]) throws CorruptIndexException, ParseException, IOException{IndexReader reader = IndexReader.open(FSDirectory.open(Constant.INDEX_DIR));  IndexSearcher searcher = new IndexSearcher(reader);  try {  Query query = searchByManyKey(field, key);  TopDocs topDocs = searcher.search(query, 510000);  int total = topDocs.totalHits;  System.out.println("在"+field+"中搜索:"+query.toString()+"total=" + total);  ScoreDoc[] scoreDocs = topDocs.scoreDocs;   return scoreDocs;  } finally {  searcher.close();  }  }


这样就可以实现查询了。

当有的用户的简历信息发生变化的时候,如果我们重新创建索引的话,是需要大量的时间的,这里需要重新创建该用户的简历信息索引。

第三步:更新索引
import org.apache.lucene.store.Directory;import org.apache.lucene.index.IndexWriterConfig.OpenMode;  import org.apache.lucene.document.Document;  import org.apache.lucene.document.Field; import org.apache.lucene.index.IndexReader;  import org.apache.lucene.index.IndexWriter;import org.apache.lucene.index.IndexWriterConfig;import org.apache.lucene.index.Term;import org.apache.lucene.store.FSDirectory;  import org.apache.lucene.util.Version; import scott.resume.model.ResumeModel;import util.Constant;/** * 更新索引 * @author Administrator * */public class UpdateIndex {/** * 功能:删除原先的索引之后,新增新的索引 * @param rm */public static void updateAndNewIndex(ResumeModel rm){try{if(rm.getState()==1){//已经存在了简历deleteIndex("id",String.valueOf(rm.getResumeId()));}Document doc = CreateIndex.builderDocument(rm);Directory dir = FSDirectory.open(Constant.INDEX_DIR); IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_35,Constant.analyzer).setOpenMode(OpenMode.APPEND);           IndexWriter writer = new IndexWriter(dir, config);        writer.addDocument(doc);        writer.close();}catch(Exception e){e.printStackTrace();}}/** * 删除索引,这里主要是对resumeId进行查询,然后删除这个结果 * @param field * @param keyword * @throws Exception */public static void deleteIndex(String field , String keyword) throws Exception{           long startTime = System.currentTimeMillis();           //首先,我们需要先将相应的document删除           Directory dir = FSDirectory.open(Constant.INDEX_DIR);           IndexReader reader = IndexReader.open(dir,false);           Term term = new Term(field,keyword);           reader.deleteDocuments(term);           reader.close();             long endTime = System.currentTimeMillis();           System.out.println("total time: " + (endTime - startTime) + " ms"); }   }





第一次写个人学习笔记,文笔比较差,请见谅

热点排行