zoukankan      html  css  js  c++  java
  • Lucene in action 笔记 search篇

    一. 用lucene怎么完成search

    1. 创建IndexSearcher

    IndexSearcher searcher = new IndexSearcher(directory);

    2. 生成需要搜索的词
    Term t = new Term("subject", "ant");

    3. 创建查询
    Query query = new TermQuery(t);

    4. search并得到结果
    Hits hits = searcher.search(query);

    此处的query就简单的由term生成的, 对于复杂的query需要用QueryParser来生成

    Query query = QueryParser.parse("+JUNIT +ANT -MOCK", "contents", new SimpleAnalyzer());

    static public Query parse(String query, String field, Analyzer analyzer) throws ParseException

    query: 需要parse的查询string

    field: default的field

    analyzer: 处理查询string需要的analyzer, 来处理大小写等

    二. Using IndexSearcher

    1. search

    Hits search(Query query)   Straightforward searches needing no filtering.

    Hits search(Query query, Filter filter) Searches constrained to a subset of available documents, based on filter criteria.

    void search(Query query, HitCollector results) Used only when all documents found from a search will be needed.
    HitCollector 和 Hits不同, 会包含所有结果, 所以注意这个函数performance问题

    2. Working with Hits

    Hits应该会记录下所有匹配的结果, 但是只会加载top 100到内存, 因为一般用户也只需要这些. 如果你用doc(n)访问未被cache的文章, 需要先从index里面load, 所以需要时才去调用比较合理.

    length() Number of documents in the Hits collection

    doc(n) Document instance of the nth top-scoring document
    id(n) Document ID of the nth top-scoring document
    score(n) Normalized score (based on the score of the topmost document) of the nth topscoring document, guaranteed to be greater than 0 and less than or equal to 1

    对于分页显示hits的solution, 推荐每页都从新去做search来生成hits, 并从中取出你所需要的页. 这样符合stateless的服务端的原则

    3. Reading indexes into memory

    如果你内存足够大, 而且index本身是没有变化的时候

    你可以把index载入内存, search将飞快...

    RAMDirectory ramDir = new RAMDirectory(dir);

    三. Understanding Lucene scoring

    至于怎么排名的就不解释了.

    这里有个接口可以查看排名的具体细节, 为什么他就排第一个了?

    IndexSearcher searcher = new IndexSearcher(directory);
    Hits hits = searcher.search(query);

    Explanation explanation = searcher.explain(query, hits.id(0));

    System.out.println(explanation.toString());

    好了通过打出的各个参数的值, 就能理解他为什么排第一个了

    四. Creating queries programmatically

    用程序的方式取创建查询, 还有一种方法就是用QueryParser去生成查询.

    1. Searching by term: TermQuery

    Term t = new Term("contents", "java"); Term(field, value)

    Query query = new TermQuery(t);

    term的value是大小写敏感的, 所以search时的大小写要和index时的一致

    2. Searching within a range: RangeQuery

    begin = new Term("pubmonth","198805");

    end = new Term("pubmonth","198810");

    RangeQuery query = new RangeQuery(begin, end, true); 最后这个flag是表示是否包含begin和end

    QueryParser中的表示为: [begin TO end] or {begin TO end}.

    3. Searching on a string: PrefixQuery

    找前缀, 底下这个意思是找到这个目录, 及其所有子目录

    Term term = new Term("category", "/technology/computers/programming");
    PrefixQuery query = new PrefixQuery(term);

    QueryParser中的表示为:prefix*

    4. Combining queries: BooleanQuery

    TermQuery searchingBooks =new TermQuery(new Term("subject","search"));
    RangeQuery currentBooks =new RangeQuery(new Term("pubmonth","200401"), new Term("pubmonth","200412"),true);
    BooleanQuery currentSearchingBooks = new BooleanQuery();
    currentSearchingBooks.add(searchingBook s, true, false);
    currentSearchingBooks.add(currentBooks, true, false);

    可见, 可以通过add往booleanquery上加子查询, 并通过最后两个参数来决定与或的关系

    两个参数分别是required and prohibited, 就是要求和禁止, 两个不可能全true

    false, false: Clause is optional, 即或

    true, false: Clause must match, 即与

    false, true: Clause must not match, 即非

    QueryParser中的表示为: –, +, AND, OR, and NOT

    lucene新的接口是:

    public void add(Query query, BooleanClause.Occur occur)

    where occur can be BooleanClause.Occur.MUST, BooleanClause.Occur.SHOULD or BooleanClause.Occur.MUST_NOT
    (AND )BooleanClause.Occur.MUST means exactly that: Only documents matching that clause are considered.
    (OR )BooleanClause.Occur.SHOULD means the term is optional.
    (NOT )BooleanClause.Occur.MUST_NOT means any documents matching this clause are excluded from the results.

    5. 后面还有PhraseQuery, WildcardQuery, FuzzyQuery就不一一介绍了, 大家用到再去查吧

    五. Parsing query expressions: QueryParser

    虽然用api去创建query很好, 但有时也需要用human-readable textual query representation.

    对于一个已有的query, 我们可以用Query.toString, 得到一个query的human-readable textual query representation.

    这个就不具体说了, QueryParser看上去不错, 不过他并不能表示所有的查询, 有些查询必须用api生成. 而且用QueryParser去parse应该是要额外耗费一些时间的. 对于要提供给用户查询UI的应用, QueryParser是非常方便的.

  • 相关阅读:
    操作系统的用户态和内核态
    C++程序编译过程
    大爽Python入门练习题 15 最长字符串
    大爽Python入门练习题 25 二维列表行列与序数关系
    大爽Python入门练习题 16 三个数找中间值
    大爽Python入门练习题 17 最大差值
    大爽Python入门练习题 19 猜结果
    大爽Python入门练习题 11 倒序生成列表
    大爽Python入门练习题 18 字母次数统计
    大爽Python入门练习题 110 猜函数
  • 原文地址:https://www.cnblogs.com/fxjwind/p/2097706.html
Copyright © 2011-2022 走看看