码迷,mamicode.com
首页 > 其他好文 > 详细

域选项

时间:2018-10-17 00:02:13      阅读:163      评论:0      收藏:0      [点我收藏+]

标签:cat   nal   出现   因子   rect   length   比较   失败   命中   

【名词】

  • 文档 :文件,相当于数据表中的一条记录
  • 域(Field) :数据中一列(字段)就称为域,在这里域就是文档的一个属性

 

Field.Store

  • YES :在索引文件中存储域的内容,存储的内容可以方便文档恢复
  • NO :不在索引文件中存储域内容,恢复时无法完整进行恢复(无法通过doc.get()进行获取)

注:实际使用时一般正文是不会进行存储的

 

Field.Index

 

  • ANALYZED :表示进行分词和索引,一般多用于标题和正文
  • NOT_ANALYZED :表示不进行分词。但进行索引。一般用于Id、身份证号码、电话等精确查找的内容
  • ANALYZED_NO_NORMS :表示进行分词并索引,但不存储Norms(包含了索引的权值信息)信息。正常情况下,搜索列表是按照权值进行排序的。做的比较好的是Google
  • NOT_ANALYZED_NO_NORMS :即不分词也不存储Norms信息
  • No :不进行索引和分词

 

【示例】

创建索引:

 1     /**
 2      * 创建索引
 3      */
 4     @Test
 5     public void testIndex(){
 6         //存储3篇文章的信息。包括:id、标题、作者、内容
 7         int[] ids = {1,2,3};
 8         String[] titles = {"Hello","I love you","morning"};
 9         String[] authors = {"Mike","HanMeimei","Tom"};
10         String[] contents= {"Hello,My Name Is Mike","Tome,I Love You","Good Moring,I‘m so sorry,"};
11         
12         IndexWriter writer = null;
13         
14         try {
15             //1、创建Directory
16             Directory directory = FSDirectory.open(new File("E:\\lucene\\index2"));
17             
18             //2、创建Writer
19             IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_35,
20                     new StandardAnalyzer(Version.LUCENE_35));
21             
22             writer = new IndexWriter(directory, config);
23             
24             //3、创建Document
25             Document doc = null;
26             
27             //4、设置Field
28             //文档            :文件,相当于数据表中的一条记录
29             //域(Field)        :数据中一列(字段)就称为域,在这里域就是文档的一个属性
30             for(int i = 0;i<ids.length;i++){
31                 doc = new Document();
32                 
33                 //域属性
34                 //Store(配置域的存储方式)
35                 //YES        :在索引文件中存储域的内容,存储的内容可以方便文档恢复
36                 //NO            :不在索引文件中存储域内容,恢复时无法完整进行恢复(无法通过doc.get()进行获取)
37                 //实际使用时一般正文是不会进行存储的
38                 
39                 //Index(配置域的索引选项)
40                 //ANALYZED                :表示进行分词和索引,一般多用于标题和正文
41                 //NOT_ANALYZED        :表示不进行分词。但进行索引。一般用于Id、身份证号码、电话等精确查找的内容
42                 //ANALYZED_NO_NORMS    :表示进行分词并索引,但不存储Norms(包含了索引的权值信息)信息
43                 //正常情况下,搜索列表是按照权值进行排序的。做的比较好的是Google
44                 //NOT_ANALYZED_NO_NORMS :即不分词也不存储Norms信息
45                 //No                            :不进行索引和分词
46                 
47                 //为文档添加域(属性)
48                 String id = Integer.toString(ids[i]);
49                 doc.add(new Field("id",id,Field.Store.YES,Field.Index.NOT_ANALYZED_NO_NORMS));
50                 doc.add(new Field("title",titles[i],Field.Store.YES,Field.Index.NOT_ANALYZED));
51                 doc.add(new Field("author",authors[i],Field.Store.YES,Field.Index.NOT_ANALYZED));
52                 doc.add(new Field("content", contents[i],Field.Store.NO,Field.Index.ANALYZED));
53                 
54                 writer.addDocument(doc);
55             }
56         } catch (IOException e) {
57             e.printStackTrace();
58         }
59         finally{
60             if(writer != null)
61                 try {
62                     writer.close();
63                 } catch (CorruptIndexException e) {
64                     // TODO Auto-generated catch block
65                     e.printStackTrace();
66                 } catch (IOException e) {
67                     // TODO Auto-generated catch block
68                     e.printStackTrace();
69                 }
70         }
71     }

 

搜索;

 1 /**
 2      * 搜索
 3      */
 4     @Test
 5     public void testSearch(){
 6         IndexReader reader =null;
 7         try {
 8             //1、创建Directory
 9             Directory directory = FSDirectory.open(new File("E:\\lucene\\index2"));
10             
11             //2、创建IndexReader
12             reader = IndexReader.open(directory);
13             
14             //应用较多
15             System.out.println("索引文件数:" + reader.numDocs());
16             System.out.println("最大文件数:" + reader.maxDoc());
17             
18             
19             
20         } catch (IOException e) {
21             // TODO Auto-generated catch block
22             e.printStackTrace();
23         }
24         finally{
25             if (reader != null) {
26                 try {
27                     reader.close();
28                 } catch (IOException e) {
29                     // TODO Auto-generated catch block
30                     e.printStackTrace();
31                 }
32             }
33         }
34     }

 

【最佳实践】

技术分享图片

 

【文件类型】

1) segment

表示一个完整的索引文件。搜索时通过该文件进行搜索。他是索引的重要文件。

 

2) fnm

存储了索引中所有Field的信息。

 

3) fdxfdt

.fdx.fdt是综合使用的两类文件,其中.fdt类型文件用于存储具有Store.YES属性的Field数据。而.fdx类型文件则是一个索引,用于存储Document在下面代码就是创建索引的代码。

 

4) tiitis

.tis文件用于存储分词后的分词(Term,相当于字典的页),.tii就是它的所有文件(相当于字典的目录),它标明了每个.tis文件中分词的位置.

 

5) frq

存储了分词在文中出现的频率。

 

6) prx

存储了分词在每次出现的位置。

 

7) nrm

存储文档的标准引子。一般用该因子乘以命中次数。

 

8) del

存储删除之后的索引信息。

注:文件不能随意删除,否则可能造成搜索失败(出现错误)

 

域选项

标签:cat   nal   出现   因子   rect   length   比较   失败   命中   

原文地址:https://www.cnblogs.com/zhzcode/p/9800809.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!