- 浏览: 29211 次
- 性别:
文章分类
最新评论
-
ht314495132:
嗯,谢谢啦,差不多能做出来了
SSH框架之spring整合javamail实现邮件服务 -
walkskyfish:
挺不错的,有帮助,谢谢!
lucene 3.5学习笔记
最近一段时间在研究lucene的使用,可以说lucene的功能确实很强大,我只是略沾皮毛,下面是我学习lucene的过程。
开发环境:eclipse3.7;
lucene版本:3.5
功能需求是:对50万的简历数据可以进行多关键字的查询,查询响应时间控制在3S中以内。
需要说明的是,我的简历数据是放在数据库表里面的,数据库对于like%的查询效率太低。所以这里我就想到了用lucene的全文检索来实现。
简历表:tb_resume(resumeId,.....);对应实体类:ResumeModel
CREATE TABLE `tb_resume` (
`resumeId` int(11) NOT NULL AUTO_INCREMENT,
`name` varchar(200) DEFAULT NULL,
`sex` varchar(11) DEFAULT NULL,
`degree` varchar(200) DEFAULT NULL,
`jingyan` varchar(200) DEFAULT NULL,
`birthday` datetime DEFAULT NULL,
`nowPlace` varchar(200) DEFAULT NULL,
`birthPlace` varchar(200) DEFAULT NULL,
`email` varchar(200) DEFAULT NULL,
`tel` varchar(200) DEFAULT NULL,
`workExp` longtext,
`educationExp` longtext,
`projectExp` longtext,
`selfEvaluation` longtext,
`state` int(11) DEFAULT NULL,
`qz` int(11) DEFAULT '1',
PRIMARY KEY (`resumeId`)
) ENGINE=InnoDB AUTO_INCREMENT=500058 DEFAULT CHARSET=utf8;
第一步,创建索引
由于数据来源是在数据库,所以需要先取出数据库里面的数据。
然后对这些数据创建索引:
其中,docement就相当于数据表。field相当于数据表里面的字段。
第二步:查询
创建完索引之后就可以进行查询了
jsp页面用于输入查询的关键词,例如我输入:java 已录用
下面是写的一个查询帮助类:
查询时候关键词的确定
首先,前台控制关键词之间只能是空格,或者逗号
然后获取用户输入的关键词:
查询:java,已录用
这样就可以实现查询了。
当有的用户的简历信息发生变化的时候,如果我们重新创建索引的话,是需要大量的时间的,这里需要重新创建该用户的简历信息索引。
第三步:更新索引
第一次写个人学习笔记,文笔比较差,请见谅
http://download.csdn.net/download/somtomking/1921112
开发环境:eclipse3.7;
lucene版本:3.5
功能需求是:对50万的简历数据可以进行多关键字的查询,查询响应时间控制在3S中以内。
需要说明的是,我的简历数据是放在数据库表里面的,数据库对于like%的查询效率太低。所以这里我就想到了用lucene的全文检索来实现。
简历表:tb_resume(resumeId,.....);对应实体类:ResumeModel
CREATE TABLE `tb_resume` (
`resumeId` int(11) NOT NULL AUTO_INCREMENT,
`name` varchar(200) DEFAULT NULL,
`sex` varchar(11) DEFAULT NULL,
`degree` varchar(200) DEFAULT NULL,
`jingyan` varchar(200) DEFAULT NULL,
`birthday` datetime DEFAULT NULL,
`nowPlace` varchar(200) DEFAULT NULL,
`birthPlace` varchar(200) DEFAULT NULL,
`email` varchar(200) DEFAULT NULL,
`tel` varchar(200) DEFAULT NULL,
`workExp` longtext,
`educationExp` longtext,
`projectExp` longtext,
`selfEvaluation` longtext,
`state` int(11) DEFAULT NULL,
`qz` int(11) DEFAULT '1',
PRIMARY KEY (`resumeId`)
) ENGINE=InnoDB AUTO_INCREMENT=500058 DEFAULT CHARSET=utf8;
第一步,创建索引
由于数据来源是在数据库,所以需要先取出数据库里面的数据。
然后对这些数据创建索引:
import java.io.IOException; import java.util.Date; import java.util.List; import org.apache.lucene.document.Document; import org.apache.lucene.document.Field; import org.apache.lucene.index.IndexWriter; import org.apache.lucene.index.IndexWriterConfig; import org.apache.lucene.store.FSDirectory; import org.apache.lucene.util.Version; import org.apache.lucene.index.IndexWriterConfig.OpenMode; import scott.resume.model.ResumeModel; import util.Constant; /** * 创建索引类 * @author Administrator * */ public class CreateIndex { // private static final File INDEX_DIR = new File("E:\\新的设计目录\\txlpf\\lucene"); // private static final Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_35); /** * 将简历信息添加到索引库中 * @param list * @throws IOException */ public static void index(List<ResumeModel> list) throws IOException { long start1 = new Date().getTime(); IndexWriter writer = openIndexWriter(); try { for (ResumeModel rm : list) { Document document = builderDocument(rm); writer.addDocument(document); } } finally { writer.close(); } long end1 = new Date().getTime(); System.out.println("创建索引花费时间:" + (double) (end1 - start1) / 1000 + "秒"); } private static IndexWriter openIndexWriter() throws IOException { IndexWriterConfig iwc = new IndexWriterConfig(Version.LUCENE_35, Constant.analyzer); iwc.setOpenMode(OpenMode.CREATE_OR_APPEND);//增量型索引 ,这个地方是关于你创建索引是增量的还是始终创建的。一般来说,选择create_or_append比较好,无论你是否已经创建了索引,都满足 return new IndexWriter(FSDirectory.open(Constant.INDEX_DIR), iwc); } /** * 创建索引 * @param obj 要创建索引的对象 * @return */ public static Document builderDocument(ResumeModel rm) { Document document = new Document(); String state = null; if(rm.getState()==0){ state = "未录用"; } else{ state = "已录用"; } Field id = new Field("id", String.valueOf(rm.getResumeId()), Field.Store.YES, Field.Index.ANALYZED); Field content = new Field("content", rm.getDegree()+rm.getJingyan()+rm.getWorkExp()+rm.getEducationExp()+rm.getProjectExp()+rm.getSelfEvaluation()+state, Field.Store.YES, Field.Index.ANALYZED); document.add(id); document.add(content); return document; } }
其中,docement就相当于数据表。field相当于数据表里面的字段。
第二步:查询
创建完索引之后就可以进行查询了
jsp页面用于输入查询的关键词,例如我输入:java 已录用
下面是写的一个查询帮助类:
import org.apache.lucene.index.Term; import org.apache.lucene.search.BooleanQuery; import org.apache.lucene.search.BooleanClause; import org.apache.lucene.search.PhraseQuery; import org.apache.lucene.search.Query; import org.apache.lucene.search.TermQuery; /** * 查询类 * @author Administrator * */ public class QueryUtil { /** * 功能:按词条搜索 - TermQuery * @param field field的名称 * @param searchKey 查询的词 * @return */ public static Query searchByTeam(String field,String searchKey){ System.err.println("TermQuery test demo------"); Term term = new Term(field, searchKey); Query query= new TermQuery(term); System.err.println("查询条件:" + query); System.err.println("查询语义:查询在AlarmType中出现\""+searchKey+"\"这个词的Document."); return query; } /** * 功能:查询俩个子查询的交集 * @param qy1 * @param qy2 * @return */ public static Query booleanAndSearch(Query qy1,Query qy2){ BooleanQuery query = new BooleanQuery();//新建一个布尔查询 query.add(qy1, BooleanClause.Occur.MUST); query.add(qy2, BooleanClause.Occur.MUST); return query; } /** * 功能:查询俩个子查询的交集 * @param fieldOne 第一个子查询field * @param searchKeyOne 第一个子查询关键词 * @param fieldTwo 第二个子查询的field * @param searchKeyTwo 第二个子查询的关键词 * @return */ public static Query searchByBooleanAnd(String fieldOne ,String searchKeyOne,String fieldTwo,String searchKeyTwo){ BooleanQuery query = new BooleanQuery();//新建一个布尔查询 Query qy1 = QueryUtil.searchByTeam(fieldOne, searchKeyOne); Query qy2 = QueryUtil.searchByTeam(fieldTwo, searchKeyTwo); query.add(qy1, BooleanClause.Occur.MUST); query.add(qy2, BooleanClause.Occur.MUST); System.err.println("查询条件:" + query); System.err.println("查询语义:查询在"+fieldOne+"中包含\""+searchKeyOne+"\"这个词但是不能包含查询在"+fieldTwo+"中包含\""+searchKeyTwo+"\"的Document."); return query; } /** * 功能:查询俩个子查询的并集 * @param fieldOne 第一个子查询field * @param searchKeyOne 第一个子查询关键词 * @param fieldTwo 第二个子查询的field * @param searchKeyTwo 第二个子查询的关键词 * @return */ public static Query searchByBooleanOr(String fieldOne ,String searchKeyOne,String fieldTwo,String searchKeyTwo){ BooleanQuery query = new BooleanQuery();//新建一个布尔查询 Query qy1 = QueryUtil.searchByTeam(fieldOne, searchKeyOne); Query qy2 = QueryUtil.searchByTeam(fieldTwo, searchKeyTwo); query.add(qy1, BooleanClause.Occur.SHOULD); query.add(qy2, BooleanClause.Occur.SHOULD); System.err.println("查询条件:" + query); System.err.println("查询语义:包含查询在"+fieldOne+"中包含\""+searchKeyOne+"\"这个词而且包含查询在"+fieldTwo+"中包含\""+searchKeyTwo+"\"的Document."); return query; } /** * 功能:查询俩个子查询的 差集,第一个子查询的结果不包含第二个子查询 * @param fieldOne 第一个子查询field * @param searchKeyOne 第一个子查询关键词 * @param fieldTwo 第二个子查询的field * @param searchKeyTwo 第二个子查询的关键词 * @return */ public static Query searchByBooleanNot(String fieldOne ,String searchKeyOne,String fieldTwo,String searchKeyTwo){ BooleanQuery query = new BooleanQuery();//新建一个布尔查询 Query qy1 = QueryUtil.searchByTeam(fieldOne, searchKeyOne); Query qy2 = QueryUtil.searchByTeam(fieldTwo, searchKeyTwo); query.add(qy1, BooleanClause.Occur.MUST); query.add(qy2, BooleanClause.Occur.MUST_NOT); System.err.println("查询条件:" + query); System.err.println("查询语义:查询在"+fieldOne+"中包含\""+searchKeyOne+"\"这个词但是不包含查询在"+fieldTwo+"中包含\""+searchKeyTwo+"\"的Document."); return query; } /** * 功能:词组查询也称短语查询 * @param fields 查询的field * @param keywords 关键词数组 * @return */ public static Query searchByManyKeywords(String fields,String[] keywords){ PhraseQuery query = new PhraseQuery(); String str = null; for(int i=0;i<keywords.length;i++){ query.add(new Term(fields, keywords[i])); str = str +keywords[i]; } query.setSlop(5); System.err.println("查询条件:" + query); System.err.println("查询语义:查询"+fields+"中含有:"+str+"的数据,这几个词至少移动五步才能构成词组,返回符合条件的Document."); return query; } }
查询时候关键词的确定
首先,前台控制关键词之间只能是空格,或者逗号
然后获取用户输入的关键词:
/** * 根据输入的关键字返回关键词字符串数组 * @param key * @return */ public static String[] getKeywords(String key){ String[] resultKeys = null; key = key.replace(" ", " ");//第一步,将所有的全角空格换个半角空格 key = key.replace(",", ",");//第二部,将所有的全角逗号,换成半角逗号 key = key.replaceAll(",", " ");//将所有的半角逗号换成空格 key = key.replaceAll( "(\\s+) ", " "); //将多个空格换成一个空格 key = key.trim(); //去除俩端的空格 resultKeys = key.split("[ ,]");//以空格分隔字符串 return resultKeys; }
查询:java,已录用
/** * 功能:获得多个关键词的查询的query * @param field 要查询的字段 * @param keys 查询的关键词数组 * @return * @throws CorruptIndexException * @throws ParseException * @throws IOException */ public static Query searchByManyKey(String field,String keys[]) throws CorruptIndexException, ParseException, IOException{ Query qy1 = null; Query qy2 = null; Query temp = null; for(int i=0;i<keys.length-1;i++){ qy1 = QueryForLucene.buildQuery(field, keys[i]); qy2 = QueryForLucene.buildQuery(field, keys[i+1]); temp = qy1; temp = QueryUtil.booleanAndSearch(temp, qy2); System.out.println(temp+"\n__________________"); } return temp; } /** * 功能:多关键词查询,返回查询结果集 * @param field 查询的field * @param key 查询的关键词数组 * @return * @throws CorruptIndexException * @throws ParseException * @throws IOException */ public static ScoreDoc[] getSearchResultAnd(String field,String key[]) throws CorruptIndexException, ParseException, IOException{ IndexReader reader = IndexReader.open(FSDirectory.open(Constant.INDEX_DIR)); IndexSearcher searcher = new IndexSearcher(reader); try { Query query = searchByManyKey(field, key); TopDocs topDocs = searcher.search(query, 510000); int total = topDocs.totalHits; System.out.println("在"+field+"中搜索:"+query.toString()+"total=" + total); ScoreDoc[] scoreDocs = topDocs.scoreDocs; return scoreDocs; } finally { searcher.close(); } }
这样就可以实现查询了。
当有的用户的简历信息发生变化的时候,如果我们重新创建索引的话,是需要大量的时间的,这里需要重新创建该用户的简历信息索引。
第三步:更新索引
import org.apache.lucene.store.Directory; import org.apache.lucene.index.IndexWriterConfig.OpenMode; import org.apache.lucene.document.Document; import org.apache.lucene.document.Field; import org.apache.lucene.index.IndexReader; import org.apache.lucene.index.IndexWriter; import org.apache.lucene.index.IndexWriterConfig; import org.apache.lucene.index.Term; import org.apache.lucene.store.FSDirectory; import org.apache.lucene.util.Version; import scott.resume.model.ResumeModel; import util.Constant; /** * 更新索引 * @author Administrator * */ public class UpdateIndex { /** * 功能:删除原先的索引之后,新增新的索引 * @param rm */ public static void updateAndNewIndex(ResumeModel rm){ try{ if(rm.getState()==1){//已经存在了简历 deleteIndex("id",String.valueOf(rm.getResumeId())); } Document doc = CreateIndex.builderDocument(rm); Directory dir = FSDirectory.open(Constant.INDEX_DIR); IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_35,Constant.analyzer).setOpenMode(OpenMode.APPEND); IndexWriter writer = new IndexWriter(dir, config); writer.addDocument(doc); writer.close(); }catch(Exception e){ e.printStackTrace(); } } /** * 删除索引,这里主要是对resumeId进行查询,然后删除这个结果 * @param field * @param keyword * @throws Exception */ public static void deleteIndex(String field , String keyword) throws Exception{ long startTime = System.currentTimeMillis(); //首先,我们需要先将相应的document删除 Directory dir = FSDirectory.open(Constant.INDEX_DIR); IndexReader reader = IndexReader.open(dir,false); Term term = new Term(field,keyword); reader.deleteDocuments(term); reader.close(); long endTime = System.currentTimeMillis(); System.out.println("total time: " + (endTime - startTime) + " ms"); } }
第一次写个人学习笔记,文笔比较差,请见谅
http://download.csdn.net/download/somtomking/1921112
- 我的网站.zip (347.3 KB)
- 下载次数: 20
相关推荐
介绍lucene3.5的相关技术,包括基本用法、分析器、索引建立与查询,扩展的高亮、分页、以及solr3.5的相关用法
Lucene3.5全部源码,打包jar文件,可以直接打开查看源码,Lucene开发必备
luke3.5 可查看lucene3.5索引
lucene3.5 IKAnalyzer3.2.5 实例中文分词通过,目前在网上找的lucene 和IKAnalyzer 的最新版本测试通过。内含:示例代码,以及最新jar包。 lucene lucene3.5 IKAnalyzer IKAnalyzer3.2.5 jar 中文 分词
lucene3.5的创建和增删改查的工程
lucene 官网的3.5源代码,标准代码,未做任何处理
lucene3.5高亮
基于新发布的Lucene3.5 做的一个实例,仅供参考。
几个经常用到的包,有中文分词器,核心包,高亮包...等等
基于新发布的Lucene3.5的学习,对部分模块的研究及学习心得。
chm格式的Lucene帮助文档,Lucene3.5
用爬虫爬下来的Lucene3.5 api 可以正常使用
lucene3.5全文检索案例lucene+demo
lucene3.5的API,虽然是英文版,不过还是很有用的
这个为一个lucene3.5所写的程序例子,有助于刚入门的学习lucene的人,更快的的进入到lucene的学习中去。
Lucene 3.5&API,最新版
lucene3.5中文分词,详细的注释,适用于初学者。有兴趣的可以看看。
solr_lucene3.5_lukeall-3.5.0.jar.zip
Lucene3.5视频教程(内含分享链接) 一共50集, 包含各部分讲解及源码