1. 概述
Apache Lucene是一个全文搜索引擎，可供各种编程语言使用。要开始使用Lucene，请参阅此处的介绍文章。
在这篇简短的文章中，我们将索引一个文本文件并在该文件中搜索示例字符串和文本片段。
2. Maven设置
让我们首先添加必要的依赖：
<dependency>
<groupId>org.apache.lucene</groupId>
<artifactId>lucene-core</artifactId>
<version>7.1.0</version>
</dependency>
最新版本可以在这里找到。
此外，为了解析我们的搜索查询，我们需要：
<dependency>
<groupId>org.apache.lucene</groupId>
<artifactId>lucene-queryparser</artifactId>
<version>7.1.0</version>
</dependency>
可以在这里查看最新版本。
3. 文件系统目录
为了索引文件，我们首先需要创建一个文件系统索引。
Lucene提供了FSDirectory类来创建文件系统索引：
Directory directory = FSDirectory.open(Paths.get(indexPath));
这里的indexPath是目录的位置，如果目录不存在，Lucene将创建它。
Lucene提供了抽象FSDirectory类的三个具体实现：SimpleFSDirectory、NIOFSDirectory和MMapDirectory，它们每个都可能针对特定环境存在特殊问题。
例如，SimpleFSDirectory的并发性能较差，因为当多个线程读取同一个文件时它会阻塞。
类似地，NIOFSDirectory和MMapDirectory实现分别面临Windows中的文件通道问题和内存释放问题。
为了克服这种环境特性，Lucene提供了FSDirectory.open()方法。调用时，它会尝试根据环境选择最佳实现。
4. 索引文本文件
一旦我们创建了索引目录，我们就可以继续将文件添加到索引中：
public void addFileToIndex(String filepath) {
Path path = Paths.get(filepath);
File file = path.toFile();
IndexWriterConfig indexWriterConfig = new IndexWriterConfig(analyzer);
Directory indexDirectory = FSDirectory
.open(Paths.get(indexPath));
IndexWriter indexWriter = new IndexWriter(indexDirectory, indexWriterConfig);
Document document = new Document();
FileReader fileReader = new FileReader(file);
document.add(new TextField("contents", fileReader));
document.add(new StringField("path", file.getPath(), Field.Store.YES));
document.add(new StringField("filename", file.getName(), Field.Store.YES));
indexWriter.addDocument(document);
indexWriter.close();
}
在这里，我们创建一个文档，其中包含两个名为“path”和“filename”的StringField以及一个名为“contents”的TextField。
注意，我们将fileReader实例作为第2个参数传递给TextField，使用IndexWriter将文档添加到索引中。
TextField或StringField构造函数中的第3个参数表示是否也存储该字段的值。
最后，我们调用IndexWriter的close()来正常关闭并释放索引文件的锁。
5. 搜索索引文件
现在让我们搜索已索引的文件：
public List<Document> searchFiles(String inField, String queryString) {
Query query = new QueryParser(inField, analyzer)
.parse(queryString);
Directory indexDirectory = FSDirectory
.open(Paths.get(indexPath));
IndexReader indexReader = DirectoryReader
.open(indexDirectory);
IndexSearcher searcher = new IndexSearcher(indexReader);
TopDocs topDocs = searcher.search(query, 10);
return topDocs.scoreDocs.stream()
.map(scoreDoc -> searcher.doc(scoreDoc.doc))
.collect(Collectors.toList());
}
现在让我们测试一下功能：
@Test
public void givenSearchQueryWhenFetchedFileNamehenCorrect(){
String indexPath = "/tmp/index";
String dataPath = "/tmp/data/file1.txt";
Directory directory = FSDirectory
.open(Paths.get(indexPath));
LuceneFileSearch luceneFileSearch = new LuceneFileSearch(directory, new StandardAnalyzer());
luceneFileSearch.addFileToIndex(dataPath);
List<Document> docs = luceneFileSearch
.searchFiles("contents", "consectetur");
assertEquals("file1.txt", docs.get(0).get("filename"));
}
注意我们如何在位置indexPath中创建文件系统索引并为file1.txt建立索引。
然后，我们只需在“contents”字段中搜索字符串“consectetur”。
6. 总结
本文简要演示了如何使用Apache Lucene来索引和搜索文本。要了解有关Lucene的索引、搜索和查询的更多信息，请参阅我们的Lucene简介文章。
Post Directory
