1、了解搜索技术
2、搜索引擎的原理
索引:类似于书的目录
3、实现搜索技术的方式
方式1:数据库搜索
利用SQL语句进行模糊搜索:
select * from items where title like “%上海%”;
select * from items where title like “上海%”;----走索引
问题:
在数据量很大的情况下,模糊搜索不一定走索引,因此效率就会很低。
方式2:Lucene技术
解决在海量数据的情况下,利用倒排索引技术,实现快速的搜索、打分、排序等功能
4、倒排索引技术
创建倒排索引,分为以下几步:
1)创建文档列表:
l lucene首先对原始文档数据进行编号(DocID),形成列表,就是一个文档列表
2)创建倒排索引列表
l 然后对文档中数据进行分词,得到词条(Term)。对词条进行编号,以词条创建索引。然后记录下包含该词条的所有文档编号(及其它信息)。
拉斯跳槽 ---》拉斯、跳槽 –》0234
l 倒排索引创建索引的流程:
1) 首先把所有的原始数据进行编号,形成文档列表
2) 把文档数据进行分词,得到很多的词条,以词条为索引。保存包含这些词条的文档的编号信息。
l 搜索的过程:
1) 当用户输入任意的内容时,首先对用户输入的内容进行分词,得到用户要搜索的所有词条
2) 然后拿着这些词条去倒排索引列表中进行匹配。找到这些词条就能找到包含这些词条的所有文档的编号。
3) 然后根据这些编号去文档列表中找到文档
5、Lucene技术的增、删、改、查
1)导入依赖和插件
1 <dependencies>
2 <!-- Junit单元测试 -->
3 <dependency>
4 <groupId>junit</groupId>
5 <artifactId>junit</artifactId>
6 <version>4.12</version>
7 </dependency>
8 <!-- lucene核心库 -->
9 <dependency>
10 <groupId>org.apache.lucene</groupId>
11 <artifactId>lucene-core</artifactId>
12 <version>4.10.2</version>
13 </dependency>
14 <!-- Lucene的查询解析器 -->
15 <dependency>
16 <groupId>org.apache.lucene</groupId>
17 <artifactId>lucene-queryparser</artifactId>
18 <version>4.10.2</version>
19 </dependency>
20 <!-- lucene的默认分词器库 -->
21 <dependency>
22 <groupId>org.apache.lucene</groupId>
23 <artifactId>lucene-analyzers-common</artifactId>
24 <version>4.10.2</version>
25 </dependency>
26 <!-- lucene的高亮显示 -->
27 <dependency>
28 <groupId>org.apache.lucene</groupId>
29 <artifactId>lucene-highlighter</artifactId>
30 <version>4.10.2</version>
31 </dependency>
32 <!--IK分词器-->
33 <dependency>
34 <groupId>com.janeluo</groupId>
35 <artifactId>ikanalyzer</artifactId>
36 <version>2012_u6</version>
37 </dependency>
38 </dependencies>
39
40
41 <build>
42 <plugins>
43 <!-- java编译插件 -->
44 <plugin>
45 <groupId>org.apache.maven.plugins</groupId>
46 <artifactId>maven-compiler-plugin</artifactId>
47 <version>3.2</version>
48 <configuration>
49 <source>1.8</source>
50 <target>1.8</target>
51 </configuration>
52 </plugin>
53 </plugins>
54 </build>
2)创建索引
1 public class LuceneCreateTest {
2 @Test
3 public void testCreate() throws IOException {
4 //创建文档对象
5 Document document = new Document();
6
7 //创建并添加字段信息,参数:字段的名称、字段的值、是否储存,这里选用Store.YES代表存储到文档列表
8 //Store.NO代表不存储
9 document.add(new StringField("id","1", Field.Store.YES));
10 //这里的title字段需要用TextField,即创建索引又会被分词,StringField会创建索引,但是不会被分词
11 document.add(new TextField("title","谷歌之父跳槽facebook,屌爆了", Field.Store.YES));
12
13 //索引目录类,指定索引在硬盘中的位置
14 Directory directory = FSDirectory.open(new File("indexDir"));
15
16 //创建分词器对象
17 // Analyzer analyzer = new StandardAnalyzer();
18 //引用IK分词器
19 Analyzer analyzer = new IKAnalyzer();
20
21 //索引写出工具的配置对象
22 IndexWriterConfig conf = new IndexWriterConfig(Version.LATEST,analyzer);
23 //创建索引的写出工具类,参数:索引的目录和配置信息
24 IndexWriter indexWriter = new IndexWriter(directory,conf);
25
26 //把文档交给IndexWriter
27 indexWriter.addDocument(document);
28
29 //提交
30 indexWriter.commit();
31 //关闭
32 indexWriter.close();
33 }
3)批量创建索引
1 @Test
2 public void testCreate2() throws IOException {
3 //创建文档的集合
4 Collection<Document> docs = new ArrayList<>();
5
6 //创建文档对象
7 Document document1 = new Document();
8 document1.add(new StringField("id","1", Field.Store.YES));
9 document1.add(new TextField("title","谷歌地图之父跳槽facebook", Field.Store.YES));
10 docs.add(document1);
11
12 //创建文档对象
13 Document document2 = new Document();
14 document2.add(new StringField("id","2", Field.Store.YES));
15 document2.add(new TextField("title","谷歌地图创始人拉斯离开谷歌加盟Facebook", Field.Store.YES));
16 docs.add(document2);
17
18
19 // 创建文档对象
20 Document document3 = new Document();
21 document3.add(new StringField("id", "3", Field.Store.YES));
22 document3.add(new TextField("title", "谷歌地图创始人拉斯离开谷歌加盟Facebook", Field.Store.YES));
23 docs.add(document3);
24
25 // 创建文档对象
26 Document document4 = new Document();
27 document4.add(new StringField("id", "4", Field.Store.YES));
28 //document4.add(new TextField("title", "谷歌地图之父跳槽Facebook与Wave项目取消有关", Field.Store.YES));
29 Field field = new TextField("title","谷歌地图之父跳槽Facebook与Wave项目取消有关", Field.Store.YES);
30 //设置激励因子,作弊
31 field.setBoost(10.0f);
32 document4.add(field);
33 docs.add(document4);
34
35 // 创建文档对象
36 Document document5 = new Document();
37 document5.add(new StringField("id", "5", Field.Store.YES));
38 document5.add(new TextField("title", "谷歌地图之父拉斯加盟社交网站Facebook", Field.Store.YES));
39 docs.add(document5);
40
41 //索引目录类,指定索引在硬盘的位置
42 Directory directory = FSDirectory.open(new File("indexDir"));
43
44 //引入IK分词器
45 Analyzer analyzer = new IKAnalyzer();
46 //索引写出工具的配置对象
47 IndexWriterConfig config = new IndexWriterConfig(Version.LATEST,analyzer);
48
49 //设置打开方式:openMode.APPEND会在索引的基础上追加新索引
50 config.setOpenMode(IndexWriterConfig.OpenMode.CREATE);
51 //创建索引的写出工具类,参数:索引的目录和配置信息
52 IndexWriter indexWriter = new IndexWriter(directory,config);
53
54 //把文档集合交给IndexWriter
55 indexWriter.addDocuments(docs);
56 //提交
57 indexWriter.commit();
58 //关闭
59 indexWriter.close();
60 }
4)删除索引
1 /*
2 * 删除索引
3 * 注意事项:
4 * 1、一般,为了进行精确删除,我们会根据唯一字段来删除,比如ID
5 * 2、如果是用Term删除,要求ID也必须是字符串类型
6 * */
7 @Test
8 public void testDelete() throws IOException {
9 //创建目录对象
10 Directory directory = FSDirectory.open(new File("indexDir"));
11 //创建配置对象
12 IndexWriterConfig config = new IndexWriterConfig(Version.LATEST,new IKAnalyzer());
13 //创建索引写出工具
14 IndexWriter writer = new IndexWriter(directory,config);
15 //根据词条进行删除
16 // writer.deleteDocuments(new Term("id","2"));
17 //根据query对象删除,如果ID是数值类型,那么我们可以用数值范围查询锁定一个具体的ID
18 // Query query = NumericRangeQuery.newLongRange("2d",2L,2L,true,true);
19 //// writer.deleteDocuments(query);
20
21 //删除所有
22 writer.deleteAll();
23 //提交
24 writer.commit();
25 //关闭
26 writer.close();
27 }
5)查询索引
1 @Test
2 public void testSearch() throws IOException, ParseException {
3 //索引目录对象
4 Directory directory = FSDirectory.open(new File("indexDir"));
5
6 //索引读取工具
7 IndexReader reader = DirectoryReader.open(directory);
8 //索引搜索工具
9 IndexSearcher indexSearcher = new IndexSearcher(reader);
10
11 //索引查询解析器,两个参数:默认要查询字段的名称、分词器
12 // QueryParser parser = new QueryParser("title",new IKAnalyzer());
13
14 //多字段查询解析器
15 QueryParser parser = new MultiFieldQueryParser(new String[]{"id","title"},new IKAnalyzer());
16 //创建查询对象
17 Query query = parser.parse("硅谷地图之父拉斯");
18
19 //搜索数据,两个参数:查询条件对象,要查询的最大结果条数(总共就5个文档,如果不知道文档数据数据,也可以
20 //使用Integer.MAX_VALUE)
21 //返回的结果是 按照匹配度排名得分前N名的文档信息(包括查询到的总条数信息、所有符合条件的文档的编号信息)
22 //topDocs:两个属性:总记录数、文档数组
23 TopDocs topDocs = indexSearcher.search(query,10);
24
25 //获取总条数
26 System.out.println("本次搜索共找到" + topDocs.totalHits + "条数据");
27 //获取得分文档对象(ScoreDoc)数组 ScoreDao中包含:文档的编号、文档的得分
28 ScoreDoc[] scoreDocs = topDocs.scoreDocs;
29 for (ScoreDoc scoreDoc : scoreDocs) {
30 //取出文档编号
31 int docID = scoreDoc.doc;
32 //根据编号去找文档
33 Document document = reader.document(docID);
34
35 System.out.println("id" + document.get("id"));
36 System.out.println("title" + document.get("title"));
37
38 //取出文档得分
39 System.out.println("得分:" + scoreDoc.score);
40 }
6)为了查询的方便,可以把上边的公共的部分代码抽取出来
1 //抽取公共的方法,提取一个查询数据的通用方法
2 public void search(Query query) throws IOException {
3 //索引目录对象
4 Directory directory = FSDirectory.open(new File("indexDir"));
5
6 //索引读取对象
7 IndexReader reader = DirectoryReader.open(directory);
8 //索引搜索工具
9 IndexSearcher searcher = new IndexSearcher(reader);
10
11 //搜索数据,两个参数:查询条件对象,要查询的最大结果条数
12 //返回的结果是 按照匹配度排名得分前N名的文档信息(包括查询到的总条数信息、所有符合条件的文档的编号信息)
13 //topDocs:两个属性:总记录数、文档数组
14
15 TopDocs topDocs = searcher.search(query,10);
16 //获取总条数
17 System.out.println("本次搜索共找到" + topDocs.totalHits + "条数据");
18 //获取得分文档对象
19 ScoreDoc[] scoreDocs = topDocs.scoreDocs;
20 for (ScoreDoc scoreDoc : scoreDocs) {
21 //取出文档编号
22 int docID = scoreDoc.doc;
23 //根据编号去找文档
24 Document doc = reader.document(docID);
25 System.out.println("id: " + doc.get("id"));
26 System.out.println("title: " + doc.get("title"));
27 //取出文档得分
28 System.out.println("得分:" + scoreDoc.score);
29 }
30 }
31 /**
32 * 测试普通词条查询
33 * 注意:Term(词条)是搜索的最小单位,不可在分词,值必须是字符串
34 * 一般用来搜索唯一字段,比如ID(对不需要分词的关键字进行查询)
35 * @throws IOException
36 */
37 @Test
38 public void testTermQuery() throws IOException {
39 //创建词条查询对象
40 Query query = new TermQuery(new Term("title","谷歌地图"));
41 search(query);
42 }
43
44 /*
45 * 通配符查询
46 * ? 可以代表任意一个字符
47 * * 可以任意多个任意字符
48 * */
49 @Test
50 public void testWildCardQuery() throws IOException {
51 //创建查询对象
52 Query query = new WildcardQuery(new Term("title","*歌*"));
53 search(query);
54 }
55
56 /*
57 * 模糊查询
58 *
59 * */
60 @Test
61 public void testFuzzyQuery() throws IOException {
62 //创建模糊查询对象:允许用户输错,但是要求错误的最大编辑距离不能超过2
63 //编辑距离:一个单词到另一个单词最少修改的次数
64 //可以手动指定编辑距离,但是参数必须在0~2之间
65 Query query = new FuzzyQuery(new Term("title","facevool"),2);
66 search(query);
67 }
68
69
70 /*
71 * 数值范围查询
72 * 注意:数值范围查询,可以用来对非String类型的ID进行精确的查找
73 * */
74 @Test
75 public void testNumericRangeQuery() throws IOException {
76 //数值范围查询对象,参数:字段名称,最小值、最大值、是否包含最小值、是否包含最大值
77 Query query = NumericRangeQuery.newLongRange("id",2L,2L,true,true);
78 search(query);
79 }
80
81 /*
82 * 布尔查询
83 * 布尔查询本身没有查询条件,可以把查询通过逻辑运算进行组合!
84 * 交集:Occur.MUST + Occur.MUST
85 * 并集:Occur.SHOULD + Occur.SHOULD
86 * 非:Occur.MUST
87 * */
88 @Test
89 public void testBooleanQuery() throws IOException {
90 Query query1 = NumericRangeQuery.newLongRange("id",1L,3L,true,true);
91 Query query2 = NumericRangeQuery.newLongRange("id",2L,4L,true,true);
92
93 // 创建布尔查询的对象
94 BooleanQuery query = new BooleanQuery();
95 // 组合其它查询
96 query.add(query1, BooleanClause.Occur.MUST_NOT);
97 query.add(query2, BooleanClause.Occur.SHOULD);
98
99 search(query);
100
101 }
7)修改索引
1 public class LuceneUpdate {
2 /*
3 * 修改索引
4 * 注意事项:
5 * 1、Lucene修改功能底层会先删除,再把新的文档添加
6 * 2、修改功能会根据Term进行匹配,所有匹配到的都会被删除,这样不好
7 * 3、因此,一般我们修改时,都会根据一个唯一不重复字段进行匹配修改,例如ID
8 * 4、但是词条搜索,要求ID必须是字符串,如果不是,这个方法就不能用
9 *
10 * 如果ID是数值类型,我们不能直接去修改,可以先手动删除deleteDocument(数值范围查询锁定ID)。再添加
11 * */
12
13 @Test
14 public void testUpdate() throws IOException {
15 //创建目录对象
16 Directory directory = FSDirectory.open(new File("indexDir"));
17
18 //创建配置对象
19 IndexWriterConfig config = new IndexWriterConfig(Version.LATEST,new IKAnalyzer());
20
21 //创建索引写出工具
22 IndexWriter writer = new IndexWriter(directory,config);
23 //创建新的文档数据
24 Document doc = new Document();
25 doc.add(new StringField("id","1", Field.Store.YES));
26 doc.add(new TextField("title","谷歌地图之父跳槽facebook为了加入传智播客 屌爆了呀", Field.Store.YES));
27
28
29 /*
30 * 修改索引,参数
31 * 词条:根据这个词条匹配到的所有的文档都会被修改
32 * 文档信息:要修改的新的文档数据
33 * */
34
35 writer.updateDocument(new Term("id","1"),doc);
36 //提交
37 writer.commit();
38 //关闭
39 writer.close();
40 }