搜索引擎(java Lucene入门实例)

1实例说明

实现对 钢铁是怎样练成的.txt 进行全文索引,以及和普通检索方式 (java.lang.String的 equals)进行效率对比

开发过程

1.将大文档切分成多个小文档
这一步 并非 是必须的,为了更好的展示 Lucene的一些功能,将文档切分为多个较小的文档,并给每个文档一个唯一的ID(文件名称)

2.eclipse 编写代码

3.效果测试

通过Lucene的检索 和 java字符串检索,进行性能上的比较,得出结论
项目准备
eclipse 导入这两个jar包 (由于是入门实例 jar包为老版本,太新会报错)


1.文档预处理类 FilePreprocess

import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileReader;
import java.io.FileWriter;
import java.io.IOException;
public class FilePreprocess {
//预处理
public static void preprocess(File file,String outputDir){
try{
//拆分成小文件
splitToSmallFiles(file,outputDir);
}catch(Exception e ){
e.printStackTrace();
}
}
public static void splitToSmallFiles(File file,String outputpath)throws IOException{
int filePointer = 0;  //文件命名 自增序列
int MAX_SIZE = 10240; //设置文件大小
BufferedWriter writer = null;
BufferedReader reader = new  BufferedReader(new FileReader(file));
StringBuffer buffer = new StringBuffer();
String line = reader.readLine();
while(line != null){
buffer.append(line).append("\r\n");
if(buffer.toString().getBytes().length >= MAX_SIZE){  //如果超出限制大小 new file
writer = new BufferedWriter(new FileWriter(outputpath + "output" + filePointer+".txt"));
writer.write(buffer.toString());
writer.close();
filePointer ++;
buffer = new StringBuffer();
}
line = reader.readLine();
}
writer = new BufferedWriter(new FileWriter(outputpath + "output" + filePointer + ".txt"));
writer.write(buffer.toString());
writer.close();
}
//入口
public static void main(String [] args){
String inputFile = "f:\\book.txt";        //读取文件
String outputf = "f:\\outputFolder\\";        //文件预处理后输出目录
if(!new File(outputf).exists()){
new File(outputf).mkdirs();
}
FilePreprocess f = new FilePreprocess();
f.preprocess(new File(inputFile), outputf);  //分块处理
}
}```
>> 运行后 输出路径 则会生成 多个小文档
![](http://upload-images.jianshu.io/upload_images/2190183-3185fd023223f53e.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

####2.创建处理文档的索引类  IndexProcessor####
```package lucene;
import java.io.BufferedReader;
import java.io.File;
import java.io.FileNotFoundException;
import java.io.FileReader;
import java.io.IOException;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.index.IndexWriter;
import jeasy.analysis.MMAnalyzer;
public class IndexProcessor {
//索引存储目录
private String INDEX_STORE_PATH = "f:\\index";
//创建索引
public void createIndex(String inputDir){
try {
//利用分词工具创建 IndexWriter
IndexWriter writer = new IndexWriter(INDEX_STORE_PATH,new MMAnalyzer(),true);
File filesDir = new File(inputDir);
//取得 要建立 索引的文件数组
File[] files = filesDir.listFiles();
for(int i = 0 ;i < files.length ; i++){
String fileName = files[i].getName();
if(fileName.substring(fileName.lastIndexOf(".")).equals(".txt")){
//创建新的Document
Document doc = new Document();
//为文件名创建一个 Field
Field field = new Field("filename",files[i].getName(),Field.Store.YES,Field.Index.TOKENIZED);
doc.add(field);
field = new Field("content",loadFileToString(files[i]),Field.Store.NO,Field.Index.TOKENIZED);
doc.add(field);
//把Document加入 IndexWriter
writer.addDocument(doc);
}
}
writer.close();
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
//加载文档 生成字符串
public String loadFileToString(File f) {
try{
BufferedReader br = new BufferedReader(new FileReader(f));
StringBuffer sb = new StringBuffer();
String line = br.readLine();
while(line != null){
sb.append(line);
line = br.readLine();
}
br.close();
return sb.toString();
} catch (IOException e) {
e.printStackTrace();
return null;
}
}
public static void main(String[] args){
IndexProcessor pr = new  IndexProcessor();
pr.createIndex("f://outputFolder");
}
}```
**索引目录结构生成**
![](http://upload-images.jianshu.io/upload_images/2190183-3d40c452e53967cd.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

####3.创建索引搜索类  Searchpackage lucene;####
```package lucene;
import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.util.Date;
import java.util.Iterator;
import java.util.LinkedHashMap;
import java.util.Map;
import org.apache.lucene.index.Term;
import org.apache.lucene.index.TermDocs;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.TermQuery;
public class Search {
private String INDEX_STORE_PATH = "f:\\index";
//利用lucene 索引 搜索
public void indexSearch(String searchType,String searchKey){
try{
System.out.println("##使用索引方式搜索##");
System.out.println("======================");
//根据索引位置简历 IndexSearch
IndexSearcher searcher = new IndexSearcher(INDEX_STORE_PATH);
//建立搜索单元,searchType 代表要搜索的Field,searchKey代表关键字
Term t = new Term(searchType,searchKey);
//由Term产生 Query
Query q = new TermQuery(t);
//搜索开始时间
Date beginTime = new Date();
//获取一个 的枚举对象 TermDocs
TermDocs docs = searcher.getIndexReader().termDocs(t);
while(docs.next()){
System.out.print("find" + docs.freq() + "matches in");
System.out.println(searcher.getIndexReader().document(docs.doc()).getField("filename").stringValue());
}
Date endTime = new Date();
long timeofsearch = endTime.getTime() - beginTime.getTime();
System.out.println("总耗时:" + timeofsearch);
}
catch(Exception e){
e.printStackTrace();
}
}
public void stringSearch(String keyword,String searchDir){
System.out.println("##使用字符串方式搜索##");
System.out.println("======================");
File filesDir = new File(searchDir);
//返回目录文件夹所有文件数组
File[] files = filesDir.listFiles();
//HM 保存文件名和匹配次数对
Map rs = new LinkedHashMap();
//搜索开始时间
Date beginTime = new Date();
for(int i = 0 ;i < files.length ; i ++){
int hits = 0;
try{
BufferedReader br = new BufferedReader(new FileReader(files[i]));
StringBuffer sb = new StringBuffer();
String line = br.readLine();
while(line != null){
sb.append(line);
line = br.readLine();
}
br.close();
//将 stringBuffer 转化成 String,以便于搜索
String stringToSearch = sb.toString();
//从 0 索引 查询 -length + length = 0
int fromIndex = -keyword.length();
int len = stringToSearch.indexOf(keyword,fromIndex + keyword.length());
while((fromIndex = len)!= -1){
hits++;
}
//将文件名 和 匹配次数 加入 HashMap
rs.put(files[i].getName(), new Integer(hits));
}
catch(Exception e){
e.printStackTrace();
}
}
Iterator it = rs.keySet().iterator();
while(it.hasNext()){
String fileName = (String)it.next();
Integer hits = (Integer)rs.get(fileName);
System.out.println("find" + hits.intValue() + "matches in"+ fileName);
}
Date endTime = new Date();
long timeOfSearch = endTime.getTime() - beginTime.getTime();
System.out.println("使用字符串匹配方式總耗時:" + timeOfSearch + "ms");
}
public static void main(String[] args) {
Search s = new Search();
s.indexSearch("content", "保尔");
System.out.println();
s.stringSearch("保尔", "f:\\outputFolder");
}
}```
>**相比于字符串查询,发现索引方式效率更高**
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,132评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,802评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,566评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,858评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,867评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,695评论 1 282
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,064评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,705评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,915评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,677评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,796评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,432评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,041评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,992评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,223评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,185评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,535评论 2 343

推荐阅读更多精彩内容