Lucene 实例教程(二)之IKAnalyzer中文分词器

一、前言

       前面简单介绍了Lucene,以及如何使用Lucene将索引 写入内存,地址:http://blog.csdn.net/chenghui0317/article/details/10052103

       但是其中出现很多问题,具体如下:

       1、使用IndexWriter 写入的索引全部是放在内存中的,一旦程序挂了 也就什么都没有了,并且如果生成的索引很大,那么很容易导致内存溢出。

       2、使用SimpleAnalyzer作为分词器,根据关键字查询的时候 只会匹配根据空格分隔的字符、字母或者数字,并且插入的索引统一变为小写,但是查询的时候没有变为小写,所以检索关键字中出现大写字母 就永远都查不出结果;

       3、之后使用StandardAnalyzer作为分词器,因为它是标准来分中文的,所以也只会对中文有分词的效果。尽管这样,仍然不能满足实际开发需求。

       在一个真实的项目中如果出现这样的情况,非得为每一个索引的词组中前后添加空格来满足查询,并且所有的关键字必须小写,显然用户体验是非常差的,根本不能满足实际开发需求,这样子的话 还不如不用Lucene 直接去模糊查询数据表记录好了。

        接下来介绍一个新的分词器:IKAnalyzer


二、IKAnalyzer的介绍

        IKAnalyzer是一个开源的,基于java语言开发的轻量级的中文分词语言包,它是以Lucene为应用主体,结合词典分词和文法分析算法的中文词组组件。 从3.0版本开始,IK发展为面向java的公用分词组件,独立Lucene项目,同时提供了对Lucene的默认优化实现。 IKAnalyzer实现了简单的分词歧义排除算法,标志着IK分词器从单独的词典分词想模拟语义化分词衍生。

        IKAnalyzer 的新特性:

        1、.采用了特有的“正向迭代最细粒度切分算法“,支持细粒度和智能分词两种切分模式; 

        2、在系统环境:Core2 i7 3.4G双核,4G内存,window 7 64位, Sun JDK 1.6_29 64位 普通pc环境测试,IK2012具有160万字/秒(3000KB/S)的高速处理能力。 

        3、2012版本的智能分词模式支持简单的分词排歧义处理和数量词合并输出。 

        4、采用了多子处理器分析模式,支持:英文字母、数字、中文词汇等分词处理,兼容韩文、日文字符 

        5、优化的词典存储,更小的内存占用。支持用户词典扩展定义。特别的,在2012版本,词典支持中文,英文,数字混合词语。


三、IKAnalyzer的准备条件

    IKAnalyzer3.2.5table.jar

下载地址:http://download.csdn.net/detail/ch656409110/5971413


四、使用Lucene实战


1、使用Lucene将索引 写入磁盘,IKAnalyzer作为分词器检索索引文件

实现的思路如下:

   <1> 原先使用的是内存目录对象RAMDirectory 对象,Lucene同时还提供了磁盘目录对象SimpleFSDirectory对象,至于索引写入器IndexWriter 还是和以前一样 ;

   <2>利用索引写入器将指定的数据存入磁盘目录对象中;

   <3>创建IndexSearch 索引查询对象,然后根据关键字封装Query查询对象;

   <4>调用search()方法,将查询的结果返回给TopDocs ,迭代里面所有的Document对象,显示查询结果;

   <5>关闭IndexWriter ,关闭directory目录对象。
具体代码如下:

    package com.lucene.test;  
      
    import java.io.File;  
    import java.io.IOException;  
    import java.io.StringReader;  
    import java.util.ArrayList;  
    import java.util.List;  
      
    import org.apache.lucene.analysis.Analyzer;  
    import org.apache.lucene.analysis.SimpleAnalyzer;  
    import org.apache.lucene.analysis.TokenStream;  
    import org.apache.lucene.analysis.tokenattributes.CharTermAttribute;  
    import org.apache.lucene.document.Document;  
    import org.apache.lucene.document.Field;  
    import org.apache.lucene.index.CorruptIndexException;  
    import org.apache.lucene.index.IndexReader;  
    import org.apache.lucene.index.IndexWriter;  
    import org.apache.lucene.index.IndexWriterConfig;  
    import org.apache.lucene.queryParser.MultiFieldQueryParser;  
    import org.apache.lucene.queryParser.ParseException;  
    import org.apache.lucene.queryParser.QueryParser;  
    import org.apache.lucene.search.IndexSearcher;  
    import org.apache.lucene.search.Query;  
    import org.apache.lucene.search.ScoreDoc;  
    import org.apache.lucene.search.Sort;  
    import org.apache.lucene.search.SortField;  
    import org.apache.lucene.search.TopDocs;  
    import org.apache.lucene.search.highlight.Highlighter;  
    import org.apache.lucene.search.highlight.InvalidTokenOffsetsException;  
    import org.apache.lucene.search.highlight.QueryScorer;  
    import org.apache.lucene.search.highlight.SimpleFragmenter;  
    import org.apache.lucene.search.highlight.SimpleHTMLFormatter;  
    import org.apache.lucene.store.Directory;  
    import org.apache.lucene.store.FSDirectory;  
    import org.apache.lucene.store.SimpleFSDirectory;  
    import org.apache.lucene.util.Version;  
    import org.wltea.analyzer.lucene.IKAnalyzer;  
      
    import com.lucene.entity.Article;  
      
    public class SimpleFSDirectoryDemo {  
        /* 创建简单中文分析器 创建索引使用的分词器必须和查询时候使用的分词器一样,否则查询不到想要的结果 */  
        private Analyzer analyzer = new IKAnalyzer(true);  
        // 索引保存目录  
        private File indexFile = new File("./indexDir/");  
      
        /** 
         * 创建索引文件到磁盘中永久保存 
         */  
        public void createIndexFile() {  
            long startTime = System.currentTimeMillis();  
            System.out.println("*****************创建索引开始**********************");  
            Directory directory = null;  
            IndexWriter indexWriter = null;  
            try {  
                // 创建哪个版本的IndexWriterConfig,根据参数可知lucene是向下兼容的,选择对应的版本就好  
                IndexWriterConfig indexWriterConfig = new IndexWriterConfig(Version.LUCENE_36, analyzer);  
                // 创建磁盘目录对象  
                directory = new SimpleFSDirectory(indexFile);  
                indexWriter = new IndexWriter(directory, indexWriterConfig);  
                // indexWriter = new IndexWriter(directory, analyzer, true,IndexWriter.MaxFieldLength.UNLIMITED);  
                // 这上面是使用内存保存索引的创建索引写入对象的例子,和这里的实现方式不一样,但是效果是一样的  
      
                Article article0 = new Article(1, "Simple Analyzer","这个分词是一段一段话进行分 ");  
                Article article1 = new Article(2, "Standard Analyzer","标准分词拿来分中文和ChineseAnalyzer一样的效果");  
                Article article2 = new Article(3, "PerField AnalyzerWrapper","这个很有意思,可以封装很多分词方式,还可以于先设置field用那个分词分!牛 ");  
                Article article3 = new Article(4, "CJK Analyzer","这个分词方式是正向退一分词(二分法分词),同一个字会和它的左边和右边组合成一个次,每个人出现两次,除了首字和末字 ");  
                Article article4 = new Article(5, "Chinese Analyzer","这个是专业的中文分词器,一个一个字分 ");  
                Article article5 = new Article(6, " BrazilianAnalyzer", "巴西语言分词 ");  
                Article article6 = new Article(7, " CzechAnalyzer", "捷克语言分词 ");  
                Article article7 = new Article(8, "DutchAnalyzer", "荷兰语言分词 ");  
                Article article8 = new Article(9, "FrenchAnalyzer", "法国语言分词 ");  
                Article article9 = new Article(10, "沪K123", "这是一个车牌号,包含中文,字母,数字");  
                Article article10 = new Article(11, "沪K345", "上海~!@~!@");  
                Article article11 = new Article(12, "沪B678", "京津沪");  
                Article article12 = new Article(13, "沪A3424", "沪K345 沪K3 沪K123 沪K111111111 沪ABC");  
                Article article13 = new Article(14, "沪 B2222", "");  
                Article article14 = new Article(15, "沪K3454653", "沪K345");  
                Article article15 = new Article(16, "123 123 1 2 23 3", "沪K123");  
                List<Article> articleList = new ArrayList<Article>();  
                articleList.add(article0);  
                articleList.add(article1);  
                articleList.add(article2);  
                articleList.add(article3);  
                articleList.add(article4);  
                articleList.add(article5);  
                articleList.add(article6);  
                articleList.add(article7);  
                articleList.add(article8);  
                articleList.add(article9);  
                articleList.add(article10);  
                articleList.add(article11);  
                articleList.add(article12);  
                articleList.add(article13);  
                articleList.add(article14);  
                articleList.add(article15);  
                // 为了避免重复插入数据,每次测试前 先删除之前的索引  
                indexWriter.deleteAll();  
                // 获取实体对象  
                for (int i = 0; i < articleList.size(); i++) {  
                    Article article = articleList.get(i);  
                    // indexWriter添加索引  
                    Document doc = new Document();  
                    doc.add(new Field("id", article.getId().toString(),Field.Store.YES, Field.Index.NOT_ANALYZED));  
                    doc.add(new Field("title", article.getTitle().toString(),Field.Store.YES, Field.Index.ANALYZED));  
                    doc.add(new Field("content", article.getContent().toString(),Field.Store.YES, Field.Index.ANALYZED));  
                    // 添加到索引中去  
                    indexWriter.addDocument(doc);  
                    System.out.println("索引添加成功:第" + (i + 1) + "次!!");  
                }  
            } catch (IOException e) {  
                e.printStackTrace();  
            } finally {  
                if (indexWriter != null) {  
                    try {  
                        indexWriter.close();  
                    } catch (IOException e) {  
                        e.printStackTrace();  
                    }  
                }  
                if (directory != null) {  
                    try {  
                        directory.close();  
                    } catch (IOException e) {  
                        e.printStackTrace();  
                    }  
                }  
            }  
            long endTime = System.currentTimeMillis();  
            System.out.println("创建索引文件成功,总共花费" + (endTime - startTime) + "毫秒。");  
            System.out.println("*****************创建索引结束**********************");  
        }  
      
        /** 
         * 直接读取索引文件,查询索引记录 
         *  
         * @throws IOException 
         */  
        public void openIndexFile() {  
            long startTime = System.currentTimeMillis();  
            System.out.println("*****************读取索引开始**********************");  
            List<Article> articles = new ArrayList<Article>();  
            // 得到索引的目录  
            Directory directory = null;  
            IndexReader indexReader = null;  
            try {  
                directory = new SimpleFSDirectory(indexFile);  
                // 根据目录打开一个indexReader  
                indexReader = IndexReader.open(directory);  
                //indexReader = IndexReader.open(directory,false);  
                System.out.println("在索引文件中总共插入了" + indexReader.maxDoc() + "条记录。");  
                // 获取第一个插入的document对象  
                Document minDoc = indexReader.document(0);  
                // 获取最后一个插入的document对象  
                Document maxDoc = indexReader.document(indexReader.maxDoc() - 1);  
                // document对象的get(字段名称)方法获取字段的值  
                System.out.println("第一个插入的document对象的标题是:" + minDoc.get("title"));  
                System.out.println("最后一个插入的document对象的标题是:" + maxDoc.get("title"));  
                //indexReader.deleteDocument(0);  
                int docLength = indexReader.maxDoc();  
                for (int i = 0; i < docLength; i++) {  
                    Document doc = indexReader.document(i);  
                    Article article = new Article();  
                    if (doc.get("id") == null) {  
                        System.out.println("id为空");  
                    } else {  
                        article.setId(Integer.parseInt(doc.get("id")));  
                        article.setTitle(doc.get("title"));  
                        article.setContent(doc.get("content"));  
                        articles.add(article);  
                    }  
                }  
                System.out.println("显示所有插入的索引记录:");  
                for (Article article : articles) {  
                    System.out.println(article);  
                }  
            } catch (IOException e) {  
                e.printStackTrace();  
            } finally {  
                if (indexReader != null) {  
                    try {  
                        indexReader.close();  
                    } catch (IOException e) {  
                        e.printStackTrace();  
                    }  
                }  
                if (directory != null) {  
                    try {  
                        directory.close();  
                    } catch (IOException e) {  
                        e.printStackTrace();  
                    }  
                }  
            }  
            long endTime = System.currentTimeMillis();  
            System.out.println("直接读取索引文件成功,总共花费" + (endTime - startTime) + "毫秒。");  
            System.out.println("*****************读取索引结束**********************");  
        }  
      
        /** 
         * 查看IKAnalyzer 分词器是如何将一个完整的词组进行分词的 
         *  
         * @param text 
         * @param isMaxWordLength 
         */  
        public void splitWord(String text, boolean isMaxWordLength) {  
            try {  
                // 创建分词对象  
                Analyzer analyzer = new IKAnalyzer(isMaxWordLength);  
                StringReader reader = new StringReader(text);  
                // 分词  
                TokenStream ts = analyzer.tokenStream("", reader);  
                CharTermAttribute term = ts.getAttribute(CharTermAttribute.class);  
                // 遍历分词数据  
                System.out.print("IKAnalyzer把关键字拆分的结果是:");  
                while (ts.incrementToken()) {  
                    System.out.print("【" + term.toString() + "】");  
                }  
                reader.close();  
            } catch (IOException e) {  
                e.printStackTrace();  
            }  
            System.out.println();  
        }  
      
        /** 
         * 根据关键字实现全文检索 
         */  
        public void searchIndexFile(String keyword) {  
            long startTime = System.currentTimeMillis();  
            System.out.println("*****************查询索引开始**********************");  
            IndexReader indexReader = null;  
            IndexSearcher indexSearcher = null;  
            List<Article> articleList = new ArrayList<Article>();  
            try {  
                indexReader = IndexReader.open(FSDirectory.open(indexFile));  
                // 创建一个排序对象,其中SortField构造方法中,第一个是排序的字段,第二个是指定字段的类型,第三个是是否升序排列,true:升序,false:降序。  
                Sort sort = new Sort(new SortField[] {new SortField("title", SortField.STRING, false),new SortField("content", SortField.STRING, false) });  
                //Sort sort = new Sort();  
                // 创建搜索类  
                indexSearcher = new IndexSearcher(indexReader);  
                // 下面是创建QueryParser 查询解析器  
                // QueryParser支持单个字段的查询,但是MultiFieldQueryParser可以支持多个字段查询,建议用后者这样可以实现全文检索的功能。  
                // QueryParser queryParser = new QueryParser(Version.LUCENE_36, "title", analyzer);  
                QueryParser queryParser = new MultiFieldQueryParser(Version.LUCENE_36, new String[] { "title", "content" },analyzer);  
                // 利用queryParser解析传递过来的检索关键字,完成Query对象的封装  
                Query query = queryParser.parse(keyword);  
                splitWord(keyword, true); // 显示拆分结果  
                // 执行检索操作  
                TopDocs topDocs = indexSearcher.search(query, 5, sort);  
                System.out.println("一共查到:" + topDocs.totalHits + "记录");  
                ScoreDoc[] scoreDoc = topDocs.scoreDocs;  
                // 像百度,谷歌检索出来的关键字如果有,除了显示在列表中之外还会高亮显示。Lucenen也支持高亮功能,正常应该是<font color='red'></font>这里用【】替代,使效果更加明显  
                SimpleHTMLFormatter simpleHtmlFormatter = new SimpleHTMLFormatter("【", "】");  
                // 具体怎么实现的不用管,直接拿来用就好了。  
                Highlighter highlighter = new Highlighter(simpleHtmlFormatter,new QueryScorer(query));  
      
                for (int i = 0; i < scoreDoc.length; i++) {  
                    // 内部编号 ,和数据库表中的唯一标识列一样  
                    int doc = scoreDoc[i].doc;  
                    // 根据文档id找到文档  
                    Document mydoc = indexSearcher.doc(doc);  
      
                    String id = mydoc.get("id");  
                    String title = mydoc.get("title");  
                    String content = mydoc.get("content");  
                    TokenStream tokenStream = null;  
                    if (title != null && !title.equals("")) {  
                        tokenStream = analyzer.tokenStream("title",new StringReader(title));  
                        title = highlighter.getBestFragment(tokenStream, title);  
                    }  
                    if (content != null && !content.equals("")) {  
                        tokenStream = analyzer.tokenStream("content",new StringReader(content));  
                        // 传递的长度表示检索之后匹配长度,这个会导致返回的内容不全  
                        //highlighter.setTextFragmenter(new SimpleFragmenter(content.length()));   
                        content = highlighter.getBestFragment(tokenStream, content);  
                    }  
                    // 需要注意的是 如果使用了高亮显示的操作,查询的字段中没有需要高亮显示的内容 highlighter会返回一个null回来。  
                    articleList.add(new Article(Integer.valueOf(id),title == null ? mydoc.get("title") : title,content == null ? mydoc.get("content") : content));  
                }  
            } catch (CorruptIndexException e) {  
                e.printStackTrace();  
            } catch (IOException e) {  
                e.printStackTrace();  
            } catch (InvalidTokenOffsetsException e) {  
                e.printStackTrace();  
            } catch (ParseException e) {  
                e.printStackTrace();  
            } finally {  
                if (indexSearcher != null) {  
                    try {  
                        indexSearcher.close();  
                    } catch (IOException e1) {  
                        e1.printStackTrace();  
                    }  
                }  
                if (indexReader != null) {  
                    try {  
                        indexReader.close();  
                    } catch (IOException e) {  
                        e.printStackTrace();  
                    }  
                }  
            }  
            System.out.println("根据关键字" + keyword + "检索到的结果如下:");  
            for (Article article : articleList) {  
                System.out.println(article);  
            }  
            long endTime = System.currentTimeMillis();  
            System.out.println("全文索引文件成功,总共花费" + (endTime - startTime) + "毫秒。");  
            System.out.println("*****************查询索引结束**********************");  
        }  
      
        public static void main(String[] args) {  
            SimpleFSDirectoryDemo luceneInstance = new SimpleFSDirectoryDemo();  
            // 建立要索引的文件  
            luceneInstance.createIndexFile();  
            // 从索引文件中查询数据  
            // luceneInstance.openIndexFile();  
            // 查看IKAnalyzer分词结果  
            /* 
             * String[] keywords = new 
             * String[]{"IKAnalyzer是一个基于java语言开发的轻量级的中文分词工具包" 
             * ,"我正在学习Lucene3.6,看一下效果如何" 
             * ,"鄂尔多斯"," Java做服务器端时如何接收和处理android客户端base64编码过的图片呢?"}; 
             * luceneInstance.splitWord(keywords[0], true); 
             * luceneInstance.splitWord(keywords[0], false); 
             * luceneInstance.splitWord(keywords[1], true); 
             * luceneInstance.splitWord(keywords[1], false); 
             * luceneInstance.splitWord(keywords[2], true); 
             * luceneInstance.splitWord(keywords[2], false); 
             * luceneInstance.splitWord(keywords[3], true); 
             * luceneInstance.splitWord(keywords[3], false); 
             */  
            // 获得结果,然后交由相关应用程序处理  
            String[] searchKeywords = new String[]{"analyzer","沪B123","沪K123","沪K123 上海","沪K3454653"};  
            luceneInstance.searchIndexFile(searchKeywords[1]);  
        }  
    }  

上面代码关联的实体类代码如下:

package com.lucene.entity;  
  
public class Article {  
  
    private Integer id;  
    private String title;  
    private String content;  
      
    public Article() {  
        super();  
    }  
    public Article(Integer id, String title, String content) {  
        super();  
        this.id = id;  
        this.title = title;  
        this.content = content;  
    }  
    public synchronized Integer getId() {  
        return id;  
    }  
    public synchronized void setId(Integer id) {  
        this.id = id;  
    }  
    public synchronized String getTitle() {  
        return title;  
    }  
    public synchronized void setTitle(String title) {  
        this.title = title;  
    }  
    public synchronized String getContent() {  
        return content;  
    }  
    public synchronized void setContent(String content) {  
        this.content = content;  
    }  
    @Override  
    public String toString() {  
        return "Article [id=" + id + ", title=" + title + ", content=" + content + "]";  
    }  
      
      
} 

代码有点长,其中包括了如何将索引写入磁盘,以及IKAnalyzer 分词是如何将检索关键字进行分词的,然后如何实现全文检索操作的。

首先看看createIndexFile()这个方法,该方法用于创建索引,将索引写入磁盘,执行该方法的效果如下:

根据提示索引添加成功,然后去当前项目下的indexDir目录中查看索引文件,具体截图如下:

截图中展示全是非文本文件,所以看不到具体存储的什么,但是Lucene知道,我们只需要知道如何利用它去完成自己想要的功能即可。

需要注意的是:

    1、如果添加一次索引,那么该目录的大多文件都会发生改变,如果添加索引的时候发现文件的修改时间没有改变 肯定没有添加成功;

    2、如果在创建索引的时候使用的是IKAnalyzer分词器,那么查询的索引的时候同样也要使用IkAnalyzer分词器,否则查询不到结果。


然后,索引创建成功之后,接下来看看openIndexFile()这个方法,它使用的是IndexWriter直接读取索引文件,查询索引记录。

执行该方法的具体效果如下:

从截图中看出,Lucene添加的索引全是按照索引下标一个一个按照添加顺序添加进去的, 直接根据这个下标就可以返回对应的Document对象。    另外操作IndexReader 获取的Document对象 还蛮简单的,跟Arraylist有点相似,只不过方法名称不一样。

为了验证 是否和Arraylist一样,删除其中的索引之后,后面的下标是否会向前移动。修改代码:

indexReader 的是否只读属性改为false,默认是true,如果不改为false 删除索引会报错:

Exception in thread "main" java.lang.UnsupportedOperationException: This IndexReader cannot make any changes to the index (it was opened with readOnly = true)


具体修改如下: indexReader = IndexReader.open(directory,false);

然后添加 删除索引的代码:indexReader.deleteDocument(0);

实践发现,该方法没有真正删除索引, 我在重新调用openIndexFile()方法一样返回所有的记录, 但是indexDir目录中确实有索引文件被修改的痕迹, 并且如果使用IndexSearch调用search()方法确检索不到,可见indexReader.deleteDocument(0);没有真正删除索引,只不过在使用IndexSearch检索的时候检索不到罢了。

后来发现:使用IndexReader进行Document删除操作时,文档并不会立即被删除,而是把这个删除动作缓存起来,直到调用IndexReader.Close()时,删除操作才会被真正执行。


然后再看下IKAnalyzer分词器到底有什么效果,为什么这么多特性,它是如何实现分词效果的,运行splitWord()方法,具体效果如下:

由截图可见:

    1、IKAnalyzer分词器在分词的时候会把传递过来的字母统一转换成小写,这样子非常有效的避免的添加索引的时候全部小写 而导致大小写不一样检索不到的情况;

     2、IKAnalyzer拆分关键字分两种,分别是“最细粒度切分算法”和“智能切分算法”,分别对应的值是false 和 true ,所以如果不想切分的太细小化就传递true,默认值是false;

源代码:

  1. public IKAnalyzer(boolean isMaxWordLength)  
  2. {  
  3.     this.isMaxWordLength = false;  
  4.     setMaxWordLength(isMaxWordLength);  
  5. }  

多尝试几次就知道它的具体好处了。


现在对IKAnalyzer分词已经有所了解了,接下来看看searchIndexFile() 如何实现全文检索的。

传递关键字“沪B123”,执行一下searchIndexFile()方法,具体效果如下图所示:

从截图中看到 共有7条记录,但是只显示了5条,是因为传递的nDocs参数限制了返回的结果数。

但是显示的 content内容只有高亮的部分,其他全部被截去了。


如果把highlighter.setTextFragmenter(new SimpleFragmenter(content.length())); 这行代码注释掉就ok了,具体效果如下:

现在可以看到完整的内容了,但是明明第二条的信息匹配度要高于第一条,却放在了第二行显示,这是因为 传递的sort对象 先按title排序,然后再按内容排序,要达到最有匹配的效果,索性传递一个空的sort 即可,具体效果如下:

图中最后一条记录中出现的“沪”共有6次,"123"也出现了1次,却被排在了最后一行,费解。。。可以看做是当中一个bug, 具体原因还需要慢慢咀嚼。也许是IKAnalyzer中不完善导致的。


另外如果传递的参数是“analyzer”,具体效果如下:

在截图中与插入的数据作对比,发现如果录入索引的内容中的字母以“analyzer”单独为一个词组才可以查询到,就是“analyzer”这个单词的前后有空格,否则查询不到, 但是如果和中文与数字挨在一起却没问题,在上一个例子中可以看到效果。


另外需要说明的是:

如果使用的是SimpleAnalyzer或者StandardAnalyzer作为分词器的话,检索的关键字如果有特殊字符 比如:" \  } 等等,会报错,具体如下:

org.apache.lucene.queryParser.ParseException: Cannot parse '沪B123)': Encountered " ")" ") "" at line 1, column 5.

但是使用IKAnalyzer没有问题,因为它会直接把这些字符过滤掉,不作为检索的条件。


反复多尝试几次,得出如下结论:

<1> 如果录入的索引为字母必须和中文或者数字挨在一起,后者空格隔开分为一个词组 才能查询到,否则IKAnalyzer 会认为是一个整体,不会分词。简而言之,字母与字母挨在一起 会被当做一个完整的词组,数字和数字挨在一起也会被当做一个完整的词组,只有完全匹配才会被检索出来;

<2>如果在检索的时候发现排序不会,最有匹配的并没有放在最上面,这是由于sort排序导致的,它会根据字段的先后顺序和指定的是否升序 来重新排序,多多少少会对实际的效果产生影响。


所以 使用IKAnalyzer 这个中文分词器之后 较以前的检索能力大大的提高了,最优匹配度也比之前好多了,从而提高了用户的体验度。。

个人资料
飘雪无垠
等级:6
文章:24篇
访问:2.1w
排名: 16
上一篇: Lucene 实例教程(一)初识Lucene
下一篇: Lucene 实例教程(三)之操作索引
标签: lucene、indexreader、ikanalyzer、articlelist、分词、面试题
隐藏