搜索引擎(java Lucene入門實(shí)例)

1實(shí)例說明

實(shí)現(xiàn)對(duì) 鋼鐵是怎樣練成的.txt 進(jìn)行全文索引记劝,以及和普通檢索方式 (java.lang.String的 equals)進(jìn)行效率對(duì)比

開發(fā)過程

1.將大文檔切分成多個(gè)小文檔
這一步 并非 是必須的,為了更好的展示 Lucene的一些功能盖矫,將文檔切分為多個(gè)較小的文檔,并給每個(gè)文檔一個(gè)唯一的ID(文件名稱)

2.eclipse 編寫代碼

3.效果測(cè)試

通過Lucene的檢索 和 java字符串檢索击奶,進(jìn)行性能上的比較辈双,得出結(jié)論
項(xiàng)目準(zhǔn)備
eclipse 導(dǎo)入這兩個(gè)jar包 (由于是入門實(shí)例 jar包為老版本,太新會(huì)報(bào)錯(cuò))


1.文檔預(yù)處理類 FilePreprocess

import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileReader;
import java.io.FileWriter;
import java.io.IOException;
public class FilePreprocess {
//預(yù)處理
public static void preprocess(File file,String outputDir){
try{
//拆分成小文件
splitToSmallFiles(file,outputDir);
}catch(Exception e ){
e.printStackTrace();
}
}
public static void splitToSmallFiles(File file,String outputpath)throws IOException{
int filePointer = 0;  //文件命名 自增序列
int MAX_SIZE = 10240; //設(shè)置文件大小
BufferedWriter writer = null;
BufferedReader reader = new  BufferedReader(new FileReader(file));
StringBuffer buffer = new StringBuffer();
String line = reader.readLine();
while(line != null){
buffer.append(line).append("\r\n");
if(buffer.toString().getBytes().length >= MAX_SIZE){  //如果超出限制大小 new file
writer = new BufferedWriter(new FileWriter(outputpath + "output" + filePointer+".txt"));
writer.write(buffer.toString());
writer.close();
filePointer ++;
buffer = new StringBuffer();
}
line = reader.readLine();
}
writer = new BufferedWriter(new FileWriter(outputpath + "output" + filePointer + ".txt"));
writer.write(buffer.toString());
writer.close();
}
//入口
public static void main(String [] args){
String inputFile = "f:\\book.txt";        //讀取文件
String outputf = "f:\\outputFolder\\";        //文件預(yù)處理后輸出目錄
if(!new File(outputf).exists()){
new File(outputf).mkdirs();
}
FilePreprocess f = new FilePreprocess();
f.preprocess(new File(inputFile), outputf);  //分塊處理
}
}```
>> 運(yùn)行后 輸出路徑 則會(huì)生成 多個(gè)小文檔
![](http://upload-images.jianshu.io/upload_images/2190183-3185fd023223f53e.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

####2.創(chuàng)建處理文檔的索引類  IndexProcessor####
```package lucene;
import java.io.BufferedReader;
import java.io.File;
import java.io.FileNotFoundException;
import java.io.FileReader;
import java.io.IOException;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.index.IndexWriter;
import jeasy.analysis.MMAnalyzer;
public class IndexProcessor {
//索引存儲(chǔ)目錄
private String INDEX_STORE_PATH = "f:\\index";
//創(chuàng)建索引
public void createIndex(String inputDir){
try {
//利用分詞工具創(chuàng)建 IndexWriter
IndexWriter writer = new IndexWriter(INDEX_STORE_PATH,new MMAnalyzer(),true);
File filesDir = new File(inputDir);
//取得 要建立 索引的文件數(shù)組
File[] files = filesDir.listFiles();
for(int i = 0 ;i < files.length ; i++){
String fileName = files[i].getName();
if(fileName.substring(fileName.lastIndexOf(".")).equals(".txt")){
//創(chuàng)建新的Document
Document doc = new Document();
//為文件名創(chuàng)建一個(gè) Field
Field field = new Field("filename",files[i].getName(),Field.Store.YES,Field.Index.TOKENIZED);
doc.add(field);
field = new Field("content",loadFileToString(files[i]),Field.Store.NO,Field.Index.TOKENIZED);
doc.add(field);
//把Document加入 IndexWriter
writer.addDocument(doc);
}
}
writer.close();
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
//加載文檔 生成字符串
public String loadFileToString(File f) {
try{
BufferedReader br = new BufferedReader(new FileReader(f));
StringBuffer sb = new StringBuffer();
String line = br.readLine();
while(line != null){
sb.append(line);
line = br.readLine();
}
br.close();
return sb.toString();
} catch (IOException e) {
e.printStackTrace();
return null;
}
}
public static void main(String[] args){
IndexProcessor pr = new  IndexProcessor();
pr.createIndex("f://outputFolder");
}
}```
**索引目錄結(jié)構(gòu)生成**
![](http://upload-images.jianshu.io/upload_images/2190183-3d40c452e53967cd.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

####3.創(chuàng)建索引搜索類  Searchpackage lucene;####
```package lucene;
import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.util.Date;
import java.util.Iterator;
import java.util.LinkedHashMap;
import java.util.Map;
import org.apache.lucene.index.Term;
import org.apache.lucene.index.TermDocs;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.TermQuery;
public class Search {
private String INDEX_STORE_PATH = "f:\\index";
//利用lucene 索引 搜索
public void indexSearch(String searchType,String searchKey){
try{
System.out.println("##使用索引方式搜索##");
System.out.println("======================");
//根據(jù)索引位置簡(jiǎn)歷 IndexSearch
IndexSearcher searcher = new IndexSearcher(INDEX_STORE_PATH);
//建立搜索單元,searchType 代表要搜索的Field,searchKey代表關(guān)鍵字
Term t = new Term(searchType,searchKey);
//由Term產(chǎn)生 Query
Query q = new TermQuery(t);
//搜索開始時(shí)間
Date beginTime = new Date();
//獲取一個(gè) 的枚舉對(duì)象 TermDocs
TermDocs docs = searcher.getIndexReader().termDocs(t);
while(docs.next()){
System.out.print("find" + docs.freq() + "matches in");
System.out.println(searcher.getIndexReader().document(docs.doc()).getField("filename").stringValue());
}
Date endTime = new Date();
long timeofsearch = endTime.getTime() - beginTime.getTime();
System.out.println("總耗時(shí):" + timeofsearch);
}
catch(Exception e){
e.printStackTrace();
}
}
public void stringSearch(String keyword,String searchDir){
System.out.println("##使用字符串方式搜索##");
System.out.println("======================");
File filesDir = new File(searchDir);
//返回目錄文件夾所有文件數(shù)組
File[] files = filesDir.listFiles();
//HM 保存文件名和匹配次數(shù)對(duì)
Map rs = new LinkedHashMap();
//搜索開始時(shí)間
Date beginTime = new Date();
for(int i = 0 ;i < files.length ; i ++){
int hits = 0;
try{
BufferedReader br = new BufferedReader(new FileReader(files[i]));
StringBuffer sb = new StringBuffer();
String line = br.readLine();
while(line != null){
sb.append(line);
line = br.readLine();
}
br.close();
//將 stringBuffer 轉(zhuǎn)化成 String,以便于搜索
String stringToSearch = sb.toString();
//從 0 索引 查詢 -length + length = 0
int fromIndex = -keyword.length();
int len = stringToSearch.indexOf(keyword,fromIndex + keyword.length());
while((fromIndex = len)!= -1){
hits++;
}
//將文件名 和 匹配次數(shù) 加入 HashMap
rs.put(files[i].getName(), new Integer(hits));
}
catch(Exception e){
e.printStackTrace();
}
}
Iterator it = rs.keySet().iterator();
while(it.hasNext()){
String fileName = (String)it.next();
Integer hits = (Integer)rs.get(fileName);
System.out.println("find" + hits.intValue() + "matches in"+ fileName);
}
Date endTime = new Date();
long timeOfSearch = endTime.getTime() - beginTime.getTime();
System.out.println("使用字符串匹配方式總耗時(shí):" + timeOfSearch + "ms");
}
public static void main(String[] args) {
Search s = new Search();
s.indexSearch("content", "保爾");
System.out.println();
s.stringSearch("保爾", "f:\\outputFolder");
}
}```
>**相比于字符串查詢柜砾,發(fā)現(xiàn)索引方式效率更高**
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末湃望,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌证芭,老刑警劉巖瞳浦,帶你破解...
    沈念sama閱讀 222,865評(píng)論 6 518
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異废士,居然都是意外死亡叫潦,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,296評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門官硝,熙熙樓的掌柜王于貴愁眉苦臉地迎上來矗蕊,“玉大人,你說我怎么就攤上這事泛源“瓮祝” “怎么了?”我有些...
    開封第一講書人閱讀 169,631評(píng)論 0 364
  • 文/不壞的土叔 我叫張陵达箍,是天一觀的道長(zhǎng)没龙。 經(jīng)常有香客問我,道長(zhǎng)缎玫,這世上最難降的妖魔是什么硬纤? 我笑而不...
    開封第一講書人閱讀 60,199評(píng)論 1 300
  • 正文 為了忘掉前任,我火速辦了婚禮赃磨,結(jié)果婚禮上筝家,老公的妹妹穿的比我還像新娘。我一直安慰自己邻辉,他們只是感情好溪王,可當(dāng)我...
    茶點(diǎn)故事閱讀 69,196評(píng)論 6 398
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著值骇,像睡著了一般莹菱。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上吱瘩,一...
    開封第一講書人閱讀 52,793評(píng)論 1 314
  • 那天道伟,我揣著相機(jī)與錄音,去河邊找鬼使碾。 笑死蜜徽,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的票摇。 我是一名探鬼主播拘鞋,決...
    沈念sama閱讀 41,221評(píng)論 3 423
  • 文/蒼蘭香墨 我猛地睜開眼,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼兄朋!你這毒婦竟也來了掐禁?” 一聲冷哼從身側(cè)響起怜械,我...
    開封第一講書人閱讀 40,174評(píng)論 0 277
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎傅事,沒想到半個(gè)月后缕允,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,699評(píng)論 1 320
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡蹭越,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,770評(píng)論 3 343
  • 正文 我和宋清朗相戀三年障本,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片响鹃。...
    茶點(diǎn)故事閱讀 40,918評(píng)論 1 353
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡驾霜,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出买置,到底是詐尸還是另有隱情粪糙,我是刑警寧澤,帶...
    沈念sama閱讀 36,573評(píng)論 5 351
  • 正文 年R本政府宣布忿项,位于F島的核電站蓉冈,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏轩触。R本人自食惡果不足惜寞酿,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,255評(píng)論 3 336
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望脱柱。 院中可真熱鬧伐弹,春花似錦、人聲如沸榨为。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,749評(píng)論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽随闺。三九已至昧狮,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間板壮,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,862評(píng)論 1 274
  • 我被黑心中介騙來泰國打工合住, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留绰精,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 49,364評(píng)論 3 379
  • 正文 我出身青樓透葛,卻偏偏與公主長(zhǎng)得像笨使,于是被迫代替她去往敵國和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子僚害,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,926評(píng)論 2 361

推薦閱讀更多精彩內(nèi)容