Lucene4.7索引和檢索的常用API有哪些

本篇內容介紹了“Lucene4.7索引和檢索的常用API有哪些”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

為了方便對比學習，下面給出表格數據 

下面筆者就對上圖組件一一剖析下 

首頁要介紹的就索引期間的各個類 
1,IndexWriter是索引過程中的核心類，主要負責創建索引或者打開已有索引，提供對索引的 
添加，刪除，修改等操作 
2,IndexWriterConfig這個API在低版本的Lucene中是沒有此配置類的，這個類也比較重要，使用此類則需要在其構造方法中傳入2個參數，第一個參數是Lucene當前的版本號，第二個是索引是使用的分詞器，除了這個我們最常用的功能，里面還提供了大量工具方法，例如，設置內存里緩沖大小，設置文檔數據批量提交時大小，獲取線程狀態，設置創建模式，以及是否開啟復合索引的等等一系列，可以對索引做一些基本的配置優化等信息。 
3,Directory這個類代表了Lucene索引的存放位置，是一個抽象類，它有一系列子類可以用來處理索引，使用不同的子類對于系統的性能，影響會很大，但歸其本質上，提升性能，無非就拿空間換時間或拿時間或空間2中情況，在具體使用時，我們可以使用其子類來獲取索引所在的存儲路徑，然后將其傳給IndexWriter類構造方法里。 
4,Analyzer這個類也是所有分析器的基類，文本文件在索引前，需要經過分析器處理，處理成對應的語匯單元，統一格式，它能提取有效的信息，過濾掉一些禁用詞，Lucene自帶有幾個分析器，但大部分都是對英文或歐洲語言處理的，如果想要使用中文的分詞器，可以使用其自帶的SmartCN分詞器，也可以用開源的IK，messeg4j等等,選擇什么樣的分析器是索引過程中很重要的一步，這個關鍵還得看自己的業務需求定。 
5,Document代表一個文檔的意思，類似于數據庫的一行記錄，我們可以向文檔中，添加自己想要的域字段，然后在把一個個文檔索引起來，提供檢索。 
6，Field就是文檔中存儲的域，每一個域都有一個域名和域值，這就類似數據庫的字段名跟值一樣，我們可以使用Field來精確控制各個域的值，最常用的有2個Field，一個是不提供分詞的StringField和另外一個分詞的TextFiled，當然還有其他的一些Field，在這里就不多介紹了。 
7，IndexReader這個類用來獲取Directory的子類打開的索引文件流，然后在將進IndexSearcher的構造方法里，進行查詢組件的初始化操作，這個類再低版本的的Lucene里也是不存在的，在后來新的版本里才添加的類。 
8，IndexSearcher這個類是程序搜索期間的核心類，是連接索引的橋梁，它是以只讀的方式打開索引，提供了大量檢索，排序，過濾的等等以及其他的一些功能。 
9，QueryParser或Query都可以完成一些檢索功能，不同的是QueryParser提供的功能更為強大，方便自定義開發一些檢索方案，而Query及其麾下的一系列子類是Lucene中自帶的一些API，使用這些API，大部分情況下都可以完成一些基本的檢索，如果需要定制化自己的檢索方案則需要使用QueryParser，大多數情況下，我們最常使用的是Query下面的TermQuery子類，當然還有其他大量的特定功能的Query子類存在。 
10，TopDocs這個類是一個簡單的容器指針，它一般會記錄前N個檢索的結果，在TopDocs中，它只會存儲這個文檔的docid以及獲取的得分情況，另外這前N個結果，默認的排序方式，是按照得分的大小排列的。 
11，ScoreDoc類通常我們使用的是一個數組，它里面也只會包含這個文檔的docid以及獲取的得分情況，與TopDocs不同的是，我們可以使用這個類，來進行類似數據庫的分頁操作，當然你得保證你有足夠的內存，如果是海量數據的分頁，這個操作很容易造成內存溢出，這時候我們就需要考慮其他方法了。 
12，Term類是搜索功能最基本的單元，與Field類似，檢索的時候需要傳入域名及檢索的字符串，是一個小而不可或缺的精簡類。 

“Lucene4.7索引和檢索的常用API有哪些”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！