Lucene 实例教程(四)之检索方法总结

一、 前言

       前面简单介绍了如何使用Lucene删除索引和修改索引的操作,这样子避免了索引文件的累加会产生脏数据或者数据重复 ,地址:http://blog.csdn.net/chenghui0317/article/details/10366255

       在项目实战中,这还不能完全解决一些比较棘手的问题,比如:

       1、前面只提供了一种打开索引文件的方式 和 一种 实现全文检索的方式,检索方式的单一性不能根据检索条件权衡筛选最优检索方式;

       2、并且在检索的时候还有一点排序上的瑕疵,最优匹配的document对象并没有显示在最上面, 以及 无法实现对索引结果的操作。

       接下来介绍几中检索索引的方式,比如多字段搜索、多条件搜索、模糊搜索、前缀搜索、使用过滤器过滤查询等等,使用了这些方式之后,可以更好的理解Lucene的执行原理和检索方式的多样化。 其中的好处还需要慢慢去理解和体会。


二、使用Lucene实战


1、通过QueryParser绑定单个字段来检索索引记录

    这是一种最为简单的查询方式,首先封装好QueryParser这个查询转换器,然后根据关键字封装查询对象,这个做好之后交给IndexSearch就可以返回结果了。

具体代码如下:

package com.lucene.test;  
  
import java.io.File;  
import java.io.IOException;  
import java.text.SimpleDateFormat;  
import java.util.ArrayList;  
import java.util.List;  
  
import org.apache.lucene.analysis.Analyzer;  
import org.apache.lucene.document.Document;  
import org.apache.lucene.index.CorruptIndexException;  
import org.apache.lucene.index.Term;  
import org.apache.lucene.queryParser.MultiFieldQueryParser;  
import org.apache.lucene.queryParser.ParseException;  
import org.apache.lucene.queryParser.QueryParser;  
import org.apache.lucene.search.BooleanClause;  
import org.apache.lucene.search.BooleanQuery;  
import org.apache.lucene.search.Filter;  
import org.apache.lucene.search.FilteredQuery;  
import org.apache.lucene.search.IndexSearcher;  
import org.apache.lucene.search.PrefixQuery;  
import org.apache.lucene.search.Query;  
import org.apache.lucene.search.QueryWrapperFilter;  
import org.apache.lucene.search.ScoreDoc;  
import org.apache.lucene.search.Sort;  
import org.apache.lucene.search.SortField;  
import org.apache.lucene.search.TermQuery;  
import org.apache.lucene.search.TopDocs;  
import org.apache.lucene.search.WildcardQuery;  
import org.apache.lucene.store.Directory;  
import org.apache.lucene.store.SimpleFSDirectory;  
import org.apache.lucene.util.Version;  
import org.wltea.analyzer.lucene.IKAnalyzer;  
  
import com.lucene.entity.Article;  
  
/** 
 * Lucene 检索各种索引的实现方式总结 
 * @author Administrator 
 * 
 */  
public class LuceneSearchDemo {  
      
    public static final String INDEX_DIR_PATH = "indexDir";  
    /* 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 = null;  
    // 索引保存目录  
    private File indexFile = null;  
    //目录对象,因为操作索引文件都要用到它,所以定义为全局变量  
    private Directory directory = null;  
    //索引搜索对象  
    private IndexSearcher indexSearcher;  
      
    /** 
     * 初始化方法 
     * @throws IOException  
     */  
    public void init() throws IOException{  
        analyzer = new IKAnalyzer(true);  
        indexFile = new File(INDEX_DIR_PATH);  
        directory = new SimpleFSDirectory(indexFile);  
        indexSearcher = new IndexSearcher(directory);  
          
        System.out.println("*****************初始化成功**********************");  
    }  
      
    /** 
     * 根据传递的结果集 封装成集合后显示出来 
     * @param scoreDocs 
     * @throws IOException  
     * @throws CorruptIndexException  
     */  
    public void showResult(ScoreDoc[] scoreDocs) throws CorruptIndexException, IOException{  
        List<Article> articles = new ArrayList<Article>();  
        for (int i = 0; i < scoreDocs.length; i++) {  
            int doc = scoreDocs[i].doc;//索引id  
            Document document = indexSearcher.doc(doc);  
              
            Article article = new Article();  
            if (document.get("id") == null) {  
                System.out.println("id为空");  
            } else {  
                article.setId(Integer.parseInt(document.get("id")));  
                article.setTitle(document.get("title"));  
                article.setContent(document.get("content"));  
                articles.add(article);  
            }             
        }  
        if(articles.size()!=0){  
            for (Article article : articles) {  
                System.out.println(article);  
            }  
        }else{  
            System.out.println("没有查到记录。");  
        }  
    }  
  
    /** 
     * 通过QueryParser绑定单个字段来检索索引记录 
     * @param keyword 
     * @throws ParseException  
     * @throws IOException  
     * @throws CorruptIndexException  
     */  
    public void searchByQueryParser(String keyword) throws ParseException, CorruptIndexException, IOException{  
        System.out.println("*****************通过QueryParser来检索索引记录**********************");  
        QueryParser queryParser = new QueryParser(Version.LUCENE_36, "title", analyzer);  
        Query query = queryParser.parse(keyword);  
        // public TopFieldDocs search(Query query, int n, Sort sort)  
        // 参数分别表示 Query查询对象,返回的查询数目,排序对象  
        TopDocs topDocs = indexSearcher.search(query, 10, new Sort());  
        showResult(topDocs.scoreDocs);  
    }  
  
    public static void main(String[] args) {  
        LuceneSearchDemo luceneInstance = new LuceneSearchDemo();  
        try {  
            luceneInstance.init();  
            luceneInstance.searchByQueryParser("沪K");  
        } catch (CorruptIndexException e) {  
            e.printStackTrace();  
        } catch (ParseException e) {  
            e.printStackTrace();  
        } catch (IOException e) {  
            e.printStackTrace();  
        }  
    }  
} 

根据mian方法传递的 “沪K”关键字,查询结果如下图:

控制台输出显示都是满足检索条件的结果。

需要注意的是:

    <1> 添加索引时用的什么分词器,那么检索的时候也必须使用这个分词器,否则查询不到任何记录。因为插入索引的时候是按照分词器规则插入的,所以检索的时候会以这种规则为匹配方式;

    <2> 由于次查询方式是使用的标题为查询条件,所以内容中出现的任何字符不会作为匹配元素。如果要使用多字段作为查询条件那么就要使用MultiQueryParser绑定多个字段封装Query查询对象了。


2、通过MultiQueryParser绑定多个字段来检索索引记录

这种实现方式较QueryParser 的区别在于,构造方法中的第二个参数由原先的String变成了String[] ,这就表示可以使用多字段的数组了。

具体代码如下:

/** 
 * 通过MultiQueryParser绑定多个字段来检索索引记录 
 * @param keyword 
 * @throws ParseException  
 * @throws IOException  
 * @throws CorruptIndexException  
 */  
public void searchByMultiFieldQueryParser(String keyword) throws ParseException, CorruptIndexException, IOException{  
    System.out.println("*****************通过MultiQueryParser绑定多个字段来检索索引记录**********************");  
    QueryParser queryParser = new MultiFieldQueryParser(Version.LUCENE_36, new String[]{"title", "content"}, analyzer);   
    Query query = queryParser.parse(keyword);  
    Sort sort = new Sort(); //不传参数则按照最优匹配来排序  
    //Sort sort = new Sort(new SortField("title", SortField.STRING, false));   //最后一个参数很关键,默认是降序的,如果要指定为升序改为true即可。  
  
    TopDocs topDocs = indexSearcher.search(query, 10, sort);  
    showResult(topDocs.scoreDocs);  
} 

这样,title和content这两个字段共同作为条件查询检索索引了。运行该方法,使用“沪K”关键字,具体效果如下:

这次使用的是多字段检索,所以两个字段都会去匹配,根据上面结果,最优匹配的第一条记录并没有第二条出现的多,可能是这样:

因为是多字段匹配,那么两个字段都要匹配到,上面传递的"沪K"关键字都要在title和content中出现才算最优匹配。所以出现了上面结果。

如果要使用排序可以使用Sort的有参数构造方法,

里面传递SortField的实例,参数个数无上限,需要说明的是它的构造方法

    public SortField(String field, int type, boolean reverse)

第一个是字段名,第二个是字段的类型,第三个是排序的升降序,true表示升序,false表示降序,如果不指定默认是false

现在使用title作为排序字段降序排列,具体效果如下:

上图显示的结果是根据title降序排列的。

需要说明的是:

<1>实际开发如果是全文检索就不建议使用排序,因为排序会导致最优匹配的结果错乱,但是如果是使用单个字段查询的话 倒是没有问题。


3、通过Term绑定字段检索索引记录

这种实现方式主要是通过Term组合查询,具体代码如下:
/** 
 * 通过term组合检索索引记录 
 * @param keyword 
 * @throws IOException 
 */  
public void searchByTerm(String keyword) throws IOException{  
    System.out.println("*****************通过term组合检索索引记录**********************");  
    //Term term = new Term("title", keyword);  
    Term term = new Term("content", keyword);  
    //MultiTermQuery  
    Query query = new TermQuery(term);  
      
    TopDocs topDocs = indexSearcher.search(query, 10);  
    showResult(topDocs.scoreDocs);  
} 

实践证明:

这种查询方式有点怪,关键字只能是常用的词组,比如“上海”“中文” 等等,不是常用的词组则什么都不会显示,比如:“文和”“京津沪”等等。

另外 根据前面的经验单个Term绑定单个字段,那么MultiTermQuery就可以绑定多个字段查询了。

使用常用词组作为关键字的查询效果如下:

综合所有的因素考虑:既然用起来不方便所以要慎用。


4、通过wildcard使用通配符组合检索索引记录

这种实现方式主要是可以像sql语句一样使用通配符来查询想要的结果,具体代码如下:

    /** 
     * 通过wildcard使用通配符组合检索索引记录 
     * @param keyword 
     * @throws IOException 
     */  
    public void searchByWildcard(String keyword) throws IOException{  
        System.out.println("*****************通过wildcard使用通配符组合检索索引记录**********************");  
        //Term term = new Term("title", "*" + keyword + "*");  
        //Term term = new Term("content", "*" + keyword + "*");  
        Term term = new Term("content", "*" + keyword + "?");  
          
        Query query = new WildcardQuery(term);  
        TopDocs topDocs = indexSearcher.search(query, 10);  
        showResult(topDocs.scoreDocs);  
    }  
  

需要说明的是:

    <1> *代表0个或多个字符,?代表0个或一个字符 ;
    <2> 这种查询方式根据通配符针对中文有效, 对英文和数字完全没有效果,任何英文和数字都不行;
    <3> 该检索方式对空格不敏感,就是说 如果最后一个字符为空格,然后匹配的时候空格不会作为匹配内容。

接下来使用“中文”作为关键字运行的效果如下所示:

其实这种实现方式非常非常的好,但是就是不支持英文和数字,就太不友好了。


5、通过prefix作为前缀组合检索索引记录

/** 
 * 通过prefix作为前缀组合检索索引记录 
 * @param keyword 
 * @throws IOException 
 */  
public void searchByPrefix(String keyword) throws IOException{  
    System.out.println("*****************通过prefix作为前缀组合检索索引记录**********************");  
    //Term term = new Term("title", keyword);  
    Term term = new Term("content", keyword);  
    Query query = new PrefixQuery(term);  
      
    TopDocs topDocs = indexSearcher.search(query, 10);  
    showResult(topDocs.scoreDocs);  
}  
  

实践证明:

    <1>如果使用的分词器是SimpleAnalyzer,那么会严格按照把关键字作为前缀去检索,但是如果使用的分词器是IKAanlayzer,那么会模糊匹配查询

    <2>同样该方式针对中文有效, 对英文和数字完全没有效果,任何英文和数字都不行;

接下来使用“中文”关键字作为检索条件,运行之后的效果如下:

通过前面使用了WildcardQuery通配符的配置之后,现在这种查询方式显得有点多余的感觉。


6、通过filter过滤条件组合检索索引记录

使用这种过滤器先封装查询对象,然后过滤满足条件的结果显示出来,并且这种过滤方式支持多条件,具体代码如下:

    /** 
     * 通过filter过滤条件组合检索索引记录 
     * @param keywords 
     * @throws IOException 
     */  
    public void searchByFilter(String[] keywords) throws IOException{  
        System.out.println("*****************通过filter过滤条件组合检索索引记录**********************");  
        List<Filter> filterList = new ArrayList<Filter>();  
        Term term = new Term("content", "*" + keywords[0] + "*");  
          
        Query query = new WildcardQuery(term);  
        //添加过滤器  
        QueryWrapperFilter filter = new QueryWrapperFilter(new WildcardQuery(new Term("content","*" + keywords[1] + "*")));  
        filterList.add(filter);  
        filter = new QueryWrapperFilter(new WildcardQuery(new Term("content","*" + keywords[2] + "*")));  
        filterList.add(filter);  
        for (Filter f : filterList) {  
            query = new FilteredQuery(query, f);  //这里面不断的构造query,传递过滤器封装最终的Query查询对象  
        }  
        TopDocs topDocs = indexSearcher.search(query, 10);  
        showResult(topDocs.scoreDocs);  
    }  

这里面首先是使用的一个模糊查询,然后后面添加了两个同样是模糊查询的过滤条件,通过不断创建FilteredQuery的实例来封装Query查询对象,并且只有条件满足的才会显示出来。

如果想看看Query里面到底存放的是什么可以直接输出Query,在这个例子中传递参数 new String[]{"分词","组合","左边"} ,输出的query分别是:

content:*分词*
filtered(content:*分词*)->QueryWrapperFilter(content:*组合*)
filtered(filtered(content:*分词*)->QueryWrapperFilter(content:*组合*))->QueryWrapperFilter(content:*左边*)

接下来运行该方法的效果如下所示:

由此可见,所有的过滤条件都满足了才会被匹配到结果集中显示。


7、通过boolean检索索引记录

这种实现方式主要是讲多个query查询对象进行筛选,这里包括三种方式:

    <1>取出他们共同的部分,即条件都满足的才会匹配;

    <2>取出他们不同的部分,即条件必须不满足的才会匹配;

    <3>取出他们所有部分,即满足任何一个条件即可的就可以匹配。

具体实现代码如下:

    /** 
     * 通过boolean检索索引记录 
     * @param keyword 
     * @throws IOException 
     */  
    public void searchByBoolean(String[] keywords) throws IOException{  
        System.out.println("*****************通过boolean检索索引记录**********************");  
        Query query1 = new WildcardQuery(new Term("content","*" + keywords[0] + "*"));  
        Query query2 = new WildcardQuery(new Term("content","*" + keywords[1] + "*"));  
          
        BooleanQuery query = new BooleanQuery();  
        query.add(query1, BooleanClause.Occur.MUST);  
        query.add(query2, BooleanClause.Occur.MUST);  
        //query.add(query2, BooleanClause.Occur.MUST_NOT);  
        //query.add(query2, BooleanClause.Occur.SHOULD);  
        System.out.println(query);  
        TopDocs topDocs = indexSearcher.search(query, 10);  
        showResult(topDocs.scoreDocs);        
    }  

接下来,传递参数 new String[]{"分词","一个"} 运行一下,具体效果如下所示:

其实,booleanQuery的效果和filterQuery效果差不多,都是将所有的Query返回的交集记录整合在一起记录,也就是条件都要满足才行。这里的前提是使用BooleanClause.Occur.MUST这个“必须满足的”参数;

如果是使用BooleanClause.Occur.SHOULD 返回的是所有的Query返回的并集集合在一起的记录
而使用BooleanClause.Occur.MUST_NOT表示 必须没有,这里的查询条件中必须不能出现在最终返回的结果中。


那么,Lucene提供的几种常用的检索方式就介绍完了,最终这些检索方式好不好用还取决于自己去尝试之后,慢慢体会才能体会和领悟。

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(三)之操作索引
下一篇:RestQL:现代化的 API 开发方式
标签: term、lucene、topdocs、query、检索、面试题
隐藏