Lucene实现全文检索的流程

1.1. 索引和搜索流程图

  

　　1、绿色表示索引过程，对要搜索的原始内容进行索引构建一个索引库，

　　　　索引过程包括：确定原始内容即要搜索的内容->采集文档->创建文档->分析文档->索引文档

　　2、红色表示搜索过程，从索引库中搜索内容，

　　　　搜索过程包括：用户通过搜索界面->创建查询->执行搜索，从索引库搜索->渲染搜索结果

1.2. 创建索引

　　对文档索引的过程，将用户要搜索的文档内容进行索引，索引存储在索引库（index）中。

　　这里我们要搜索的文档是磁盘上的文本文件，凡是文件名或文件内容包括关键字的文件都要找出来，这里要对文件名和文件内容创建索引。

1.1.1.   创建文档对象

　　获取原始内容的目的是为了索引，在索引前需要将原始内容创建成文档（Document），文档中包括一个一个的域（Field），域中存储内容。

　　可以将磁盘上的一个文件当成一个document，Document中包括一些Field（file_name文件名称、file_path文件路径、file_size文件大小、file_content文件内容），如下图：

　　每个Document可以有多个Field，不同的Document可以有不同的Field，同一个Document可以有相同的Field（域名和域值都相同）

　　每个文档都有一个唯一的编号，就是文档id。

1.1.2.   分析文档

　　将原始内容创建为包含域（Field）的文档（document），需要再对域中的内容进行分析，分析的过程是经过对原始文档提取单词、将字母转为小写、去除标点符号、去除停用词等过程生成最终的语汇单元，可以将语汇单元理解为一个一个的单词。

1.1.3.   创建索引

　　对所有文档分析得出的语汇单元进行索引，索引的目的是为了搜索，最终要实现只搜索被索引的语汇单元从而找到Document（文档）。

　　注意：创建索引是对语汇单元索引，通过词语找文档，这种索引的结构叫倒排索引结构。

　　一般的方法是根据文件找到该文件的内容，在文件内容中匹配搜索关键字，这种方法是顺序扫描方法，数据量大、搜索慢。

　　倒排索引结构是根据内容（词语）找文档，如下图：

　　倒排索引结构也叫反向索引结构，包括索引和文档两部分，索引即词汇表，它的规模较小，而文档集合较大。

1.3. 查询索引

　　查询索引也是搜索的过程。搜索就是用户输入关键字，从索引（index）中进行搜索的过程。根据关键字搜索索引，根据索引找到对应的文档，从而找到要搜索的内容（这里指磁盘上的文件）。