Lucene.net入门学习(结合盘古分词)

8/10/2015来源:ASP.NET技巧人气:2409

Lucene.net入门学习(结合盘古分词)

Lucene简介

Lucene是apache软件基金会4 jakarta项目组的一个子项目,是一个开放源代码的全文检索引擎工具包,即它不是一个完整的全文检索引擎,而是一个全文检索引擎的架构,提供了完整的查询引擎和索引引擎,部分文本分析引擎(英文与德文两种西方语言)。Lucene的目的是为软件开发人员提供一个简单易用的工具包,以方便的在目标系统中实现全文检索的功能,或者是以此为基础建立起完整的全文检索引擎。

Lucene.net简介

Lucene.net是Lucene的.net移植版本,是一个开源的全文检索引擎开发包,即它不是一个完整的全文检索引擎,而是一个全文检索引擎的架构,提供了完整的查询引擎和索引引擎。开发人员可以基于Lucene.net实现全文检索的功能。

Lucene.net工作原理

Lucene.net提供的服务需要两部分:索引文件的写入和索引文件的读取。

1写入流程源数据字符串经过analyzer处理,将源中需要搜索的信息加入Document的各个字段中,并把需要索引的字段起来并存储。将索引写入存储器,存储器可以是内存或磁盘。2读出流程用户提供搜索关键词,经过analyzer处理。(我们下面代码采用的是盘古分词 ,其相关分词原理 可以再它的官网上可以看到 http://pangusegment.codeplex.com/)对处理后的关键词搜索索引找出对应的Document,用户根据需要从找到的Document中提取需要的Field。

Lucene.net安装

大家可以去官网看下:https://www.nuget.org/packages/Lucene.Net/3.0.3

盘古分词安装

盘古分词主页:http://pangusegment.codeplex.com/

下载:http://pangusegment.codeplex.com/downloads/get/144143

Lucene.net结合盘古分词使用

http://pangusegment.codeplex.com/downloads/get/144145

大家可以看到相关使用的案列

Lucene.net创建索引(结合盘古分词)

    /*code 释迦苦僧*/    class PRogram    {        static void Main(string[] args)        {            Stopwatch sw = new Stopwatch();//加入时间统计            //获取 数据列表            PostBll bll = new PostBll();            IList<PostInfo> posts = bll.GetAllPost();            Console.WriteLine(posts.Count);            //创建Lucene索引文件            string IndexDic = @"D:\Lucene\post\";            sw.Start();            IndexWriter writer = new IndexWriter(FSDirectory.Open(IndexDic), new PanGuAnalyzer(), true, IndexWriter.MaxFieldLength.LIMITED);            foreach (PostInfo item in posts)            {                Document doc = new Document();                Field postid = new Field("PostId", item.PostId.ToString(), Field.Store.YES, Field.Index.ANALYZED, Field.TermVector.NO);                Field title = new Field("Title", item.Title.ToString(), Field.Store.YES, Field.Index.ANALYZED, Field.TermVector.NO);                Field postscore = new Field("PostScore", item.PostScore.ToString(), Field.Store.YES, Field.Index.ANALYZED, Field.TermVector.NO);                doc.Add(postid);                doc.Add(title);                doc.Add(postscore);                writer.AddDocument(doc);            }            writer.Optimize();            writer.Commit();            sw.Stop();            Console.Write("建立" + posts.Count + "索引,花费: " + sw.Elapsed);            Console.ReadLine();         }    }

如代码所示:D:\Lucene\post\ 存储Lucene.net生成的索引文件,如下图

这些索引存储文件存储了PostInfo表中 PostId,Title,PostScore 三个字段信息。

需要注意的是:使用盘古分词操作时,需要将PanGu.xml和盘古分词自带的分词文件放入项目中,如下图:

Lucene.net执行搜索(结合盘古分词)

namespace LuceneNetStudy.Search{    /*code 释迦苦僧*/    public partial class MainForm : Form    {        private string IndexDic = @"D:\Lucene\post\";        public MainForm()        {            InitializeComponent();        }        private void btnSearch_Click(object sender, EventArgs e)        {            /*开启搜索用的后台线程*/            BackgroundWorker backWorker = new BackgroundWorker();            backWorker.DoWork += new DoWorkEventHandler(backWorker_DoWork);            backWorker.RunWorkerAsync(txtKey.Text.Trim());        }        void backWorker_DoWork(object sender, DoWorkEventArgs e)        {            string key = e.Argument as string;            List<PostInfo> result = new List<PostInfo>();            /*加入时间统计*/            Stopwatch sw = new Stopwatch();            sw.Start();            /*创建 Lucene.net 搜索实例*/            IndexSearcher search = new IndexSearcher(FSDirectory.Open(IndexDic), true);            /*为搜索实例 加入搜索分词规则  来源 盘古分词*/            key = GetKeyWordsSplitBySpace(key, new PanGuTokenizer());            BooleanQuery bq = new BooleanQuery();            if (!string.IsNullOrEmpty(key))            {                /*如果搜索关键字不为空  知道关键字搜索列为Title*/                QueryParser queryParser = new MultiFieldQueryParser(Lucene.Net.Util.Version.LUCENE_30, new string[] { "Title" }, new PanGuAnalyzer());                Query query = queryParser.Parse(key);                bq.Add(query, Occur.MUST);            }            /*指定排序方式  按 PostScore 字段来排序*/            List<SortField> sorts = new List<SortField>();            SortField sf = new SortField("PostScore", SortField.DOUBLE, true);            sorts.Add(sf);            Sort sort = new Sort(sorts.ToArray());            TopFieldDocs docs = search.Search(bq, null, search.MaxDoc, sort);            int allCount = docs.TotalHits;            /*获取匹配的前10条*/            ScoreDoc[] hits = TopDocs(0, 10, docs);            foreach (ScoreDoc sd in hits)//遍历搜索到的结果            {                try                {                    Document doc = search.Doc(sd.Doc);                    var model = new PostInfo();                    model.PostId = Guid.Parse(doc.Get("PostId"));                    model.PostScore = double.Parse(doc.Get("PostScore"));                    model.Title = doc.Get("Title");                    result.Add(model);                }                catch                {                }            }            search.Close();            search.Dispose();            sw.Stop();            if (result != null)            {                Invoke(new MethodInvoker(delegate()                {                    lblRunTime.Text = "花费: " + sw.Elapsed;                    txtResult.Text = "";                    foreach (PostInfo info in result)//遍历搜索到的结果                    {                        txtResult.Text += info.PostScore + "\t" + info.Title + "\r\n";                    }                }));            }        }        public static ScoreDoc[] TopDocs(int start, int limit, TopFieldDocs docs)        {            int endIndex = 0;            int hc = docs.TotalHits;            if (hc - start > limit)            {                endIndex = start + limit;            }            else            {                endIndex = hc;            }            List<ScoreDoc> dl = new List<ScoreDoc>();            var da = docs.ScoreDocs;            for (int i = start; i < endIndex; i++)            {                dl.Add(da[i]);            }            return dl.ToArray();        }        static public string GetKeyWordsSplitBySpace(string keywords, PanGuTokenizer ktTokenizer)        {            StringBuilder result = new StringBuilder();            /*执行分词操作 一个关键字可以拆分为多个次和单个字*/            ICollection<WordInfo> words = ktTokenizer.SegmentToWordInfos(keywords);            foreach (WordInfo word in words)            {                if (word == null)                {                    continue;                }                result.AppendFormat("{0} ", word.Word);            }            return result.ToString().Trim();        }    }}

这是咱这两天的学习成果,研究还不是很透彻,希望能给大家带来些了解,点个赞吧。

作者:释迦苦僧 出处:http://www.cnblogs.com/woxpp/p/3972233.html 本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接。