开源搜索引擎Lucene.Net---学习笔记(2) 使用Lucene.Net源码进行搜索
下面先通过Lucene.Net简单的例子，来看看Lucene.Net建立索引、查询的操作过程。
1、索引的建立：
索引的建立，我把其方法直接放到了Program.Main()中：
using System;using System.Collections.Generic;using System.Linq;using System.Text;namespace CyhTest{ using Lucene.Net.Analysis; using Lucene.Net.Analysis.Standard; using Lucene.Net.Documents; using Lucene.Net.Index; using Lucene.Net.QueryParsers; using Lucene.Net.Search; using Lucene.Net.Store; using Lucene.Net.Util; class Program { static void Main(string[] args) { //索引的建立 Analyzer analyzer = new StandardAnalyzer(); IndexWriter writer = new IndexWriter("IndexDirection", analyzer, true); //创建索引，"IndexDirection”为索引存放目录 writer.SetUseCompoundFile(false); //采用非复合式的索引模式 writer.SetMergeFactor(2); //设置合并频率的大小为2 cyh_CreateIndex(writer); //创建索引 writer.Optimize(); writer.Close(); Console.ReadKey(); } /// <summary> /// 创建索引 /// </summary> static void cyh_CreateIndex(IndexWriter writer) { Document doc1 = new Document(); //创—ocument对象 Field field1 = new Field("Title1", "term1 term2 term3", Field.Store.YES, Field.Index.TOKENIZED); //索引文件内容 doc1.Add(field1); writer.AddDocument(doc1); //将Document对象添加到索引中 Document doc2 = new Document(); //创—ocument对象 Field field2 = new Field("Title1", "term2 term3 term2", Field.Store.YES, Field.Index.TOKENIZED); //索引文件内容 doc2.Add(field2); writer.AddDocument(doc2); //将Document对象添加到索引中 Document doc3 = new Document(); //创—ocument对象 Field field3 = new Field("Title1", "term3 term3", Field.Store.YES, Field.Index.TOKENIZED); //索引文件内容 doc3.Add(field3); writer.AddDocument(doc3); //将Document对象添加到索引中 Document doc4 = new Document(); //创—ocument对象 Field field4 = new Field("Title2", "Hello Lucene!", Field.Store.YES, Field.Index.TOKENIZED); //索引文件内容 doc4.Add(field4); writer.AddDocument(doc4); //将Document对象添加到索引中 Document doc5 = new Document(); //创—ocument对象 Field field5 = new Field("Title2", "I like Lucene!", Field.Store.NO,Field.Index.UN_TOKENIZED,Field.TermVector.WITH_POSITIONS_OFFSETS); //索引文件内容 doc5.Add(field5); writer.AddDocument(doc5); //将Document对象添加到索引中 Document doc6 = new Document(); //创—ocument对象 Field field61 = new Field("Title3", "Do you want to use it?", Field.Store.NO,Field.Index.TOKENIZED,Field.TermVector.YES); //索引文件内容 Field field62 = new Field("docName", "doc6", Field.Store.YES, Field.Index.UN_TOKENIZED); //索引文件内容 doc6.Add(field61); doc6.Add(field62); writer.AddDocument(doc6); //将Document对象添加到索引中 } }}可以看到在bin/debug/IndexDirection文件夹下回生成如下一些文件：
这些即为Lucene存储的索引。
Lucene的索引结果具有层次结构，主要有以下几个层次：
? 索引(Index)：
在Lucene中一个索引是放在一个文件夹中的。
如上图，同一文件夹中的所有的文件构成一个Lucene索引。
? 段(Segment)：
一个索引可以包含多个段，段与段之间是独立的，添加新文档可以生成新的段，不同的段可以合并。
如上图，具有相同前缀文件的属同一个段，图中共两个段 "_0" 和 "_1"。
segments.gen和segments_5是段的元数据文件，也即它们保存了段的属性信息。
? 文档(Document)：
文档是我们建索引的基本单位，不同的文档是保存在不同的段中的，一个段可以包含多篇文档。
新添加的文档是单独保存在一个新生成的段中，随着段的合并，不同的文档合并到同一个段中。
? 域(Field)：
一篇文档包含不同类型的信息，可以分开索引，比如标题，时间，正文，作者等，都可以保存在不同的域里。
不同域的索引方式可以不同，在真正解析域的存储的时候，我们会详细解读。
? 词(Term)：
词是索引的最小单位，是经过词法分析和语言处理后的字符串。
Lucene的索引结构中，即保存了正向信息，也保存了反向信息。
所谓正向信息：
? 按层次保存了从索引，一直到词的包含关系：索引(Index) > 段(segment) > 文档(Document) >域(Field) > 词(Term)
? 也即此索引包含了那些段，每个段包含了那些文档，每个文档包含了那些域，每个域包含了那些词。
? 既然是层次结构，则每个层次都保存了本层次的信息以及下一层次的元信息，也即属性信息，比如一本介绍中国地理的书，应该首先介绍中国地理的概况，以及中国包含多少个省，每个省介绍本省的基本概况及包含多少个市，每个市介绍本市的基本概况及包含多少个县，每个县具体介绍每个县的具体情况。
? 如上图，包含正向信息的文件有：
segments_N保存了此索引包含多少个段，每个段包含多少篇文档。
XXX.fnm保存了此段包含了多少个域，每个域的名称及索引方式。
XXX.fdx，XXX.fdt保存了此段包含的所有文档，每篇文档包含了多少域，每个域保存了那些信息。
XXX.tvx，XXX.tvd，XXX.tvf保存了此段包含多少文档，每篇文档包含了多少域，每个域包含了多少词，每个词的字符串，位置等信息。
所谓反向信息：
? 保存了词典到倒排表的映射：词(Term) > 文档(Document)
? 如上图，包含反向信息的文件有：
XXX.tis，XXX.tii保存了词典(Term Dictionary)，也即此段包含的所有的词按字典顺序的排序。
XXX.frq保存了倒排表，也即包含每个词的文档ID列表。
XXX.prx保存了倒排表中每个词在包含此词的文档中的位置。
2、进行搜索查询
为了便于今后搜索查询能够方便，因此我将构造一个CyhClass类，并将搜索所用到的一些方法放入这个类：
using System;using System.Collections.Generic;using System.Linq;using System.Text;namespace CyhTest{ using Lucene.Net.Analysis; using Lucene.Net.Analysis.Standard; using Lucene.Net.Documents; using Lucene.Net.Index; using Lucene.Net.QueryParsers; using Lucene.Net.Search; using Lucene.Net.Store; using Lucene.Net.Util; public class CyhClass { /// <summary> /// 通过索引，搜索信息 /// </summary> public static void doSearch(string docName, string keyword, string indexDir) { Query query = null; QueryParser queryParser = null; try { Directory dir = FSDirectory.GetDirectory(indexDir, false); IndexSearcher searcher = new IndexSearcher(dir); //打开索引 queryParser = new QueryParser(docName, new StandardAnalyzer()); query = queryParser.Parse(keyword); //对keyword解析 Hits hits = searcher.Search(query); //检索索引,hits是用来存储内容的容器 printResult(hits,keyword,docName); //打印结果 } catch (Exception e) { Console.WriteLine("Wrong!!!----'{0}'",e.ToString()); } } /// <summary> /// 打印结果 /// </summary> public static void printResult(Hits hits, string keyword,string docName) { Console.WriteLine("搜索结果："); if (hits.Length() != 0) { Console.WriteLine("搜索 {0}，一共找到 {1} 个文档！",keyword, hits.Length()); Console.WriteLine("您要查的内容可以在下列文档中查找到："); for (int i = 0; i < hits.Length(); i++) { Console.WriteLine(" 得分：{0}\n信息：{1}\n内部ID: {2}\n", hits.Score(i), hits.Doc(i).Get(docName), hits.Id(i)); } } else { Console.WriteLine("未搜索到相关内容！"); } } }}
有了这些搜索时使用的方法，便可以在Main（）中方便的使用了，只需修改上述的Program.Main（）函数：
static void Main(string[] args) { //索引的建立 //Analyzer analyzer = new StandardAnalyzer(); //IndexWriter writer = new IndexWriter("IndexDirection", analyzer, true); //创建索引 //writer.SetUseCompoundFile(false); //采用非复合式的索引模式 //writer.SetMergeFactor(2); //设置合并频率的大小为2 //cyh_CreateIndex(writer); //创建索引 //writer.Optimize(); //writer.Close(); //查询过程 string tempDir = "IndexDirection"; CyhClass.doSearch("Title1", "term1", tempDir); CyhClass.doSearch("Title1", "term2", tempDir); CyhClass.doSearch("Title1", "term3", tempDir); CyhClass.doSearch("Title2", "Lucene", tempDir); Console.ReadKey(); }
可得到以下结果：
以上即为Lucene.Net建立索引与搜索的简单例子，至于细节，将在下一章中进行分析。