什么是用于在多个文件中搜索搜索词列表的好的 Java 库？ [关闭]答案

【问题标题】：What is a good Java Library to use for searching through several files for a list of search terms? [closed]什么是用于在多个文件中搜索搜索词列表的好的 Java 库？ [关闭]
【发布时间】：2011-06-25 14:23:41
【问题描述】：

基本上，我想做的是在一个文件夹中搜索其子文件夹中的搜索词列表。它不必高度优化或类似的东西。我希望图书馆能够“匹配大小写”、“仅匹配整个单词”等。

我想我可以写这样的东西，打开文件中的每个文件，搜索每个单词，等等，但我真的想要一个捷径。是否有一些图书馆已经完成了大部分工作？

我的梦想代码是这样的：

ArrayList occurrences = SomeLibrary.parse("directoryPath","searchTerm");

有没有接近这个高水平的东西？

谢谢，格雷

【问题讨论】：

标签： java search lucene full-text-search search-engine

【解决方案1】：

我不建议使用 Lucene（或 Solr）来满足这些要求。

首先，不需要功能齐全的 text 搜索库（简而言之）使用所有语言知识进行各种魔法来进行非常健壮的文本搜索词干、语法和句法技巧。
虽然 Lucene 功能强大，但您无法通过 Lucene 的开箱即用功能获得一切。例如，将其配置为查找带有“apple”术语的 apples 相对容易。好的。但是使用相同的配置，它不会在“12345”字符串中找到“123”。忘记像应用程序日志这样的“不可读”文本。 Lucene 是一个类似“google”的引擎，它从人类可读的正确文本中搜索人类的文本。要解决各种“基本”字符串匹配，您需要编写与 Lucene 功能集成的自定义处理代码，这已不再简单。

使用 Java，编写 BufferedReader 扫描器会更加简单快捷，recursively 会处理文件和文件夹并使用 String.match 搜索完全或部分匹配项。 strong> 和 String.contains 操作。

【讨论】：

谢谢，听起来不错。我想我很惊讶没有人想出它作为图书馆。

【解决方案2】：

您是否考虑过使用 Lucene？它可以根据需要索引和搜索文本文件中的搜索词。集成到您的应用程序中也不难，但不像“ArrayListoccurrences = SomeLibrary.parse("directoryPath","searchTerm");”那么简单:) 我认为您不会找到这么简单的解决方案。

如果你使用 Lucene，搜索的性能也会很好。

您可以更进一步并使用 Solr（也是 Apache 产品），但这对您来说可能有点过头了。

如果您决定研究 Lucene，那么 this 可能会对您有所帮助。

【讨论】：

我确实看了一下 Lucene，但老实说我有点不知所措。我正在寻找十分钟类型的解决方案。不过，是不是lucene是最简单的，我晚上都得用。
我喜欢你的链接，看起来很简单。
Lucene 使用起来非常简单，我目前在一个应用程序中使用它来通过数据库实体进行全文搜索（我实际上是结合使用 Lucene 和 Hibernate Search）。您应该能够很快启动并运行它，如果您需要帮助，请告诉我。

【解决方案3】：

我推荐Apache Solr。易于配置，它可以索引数百万个文档。 Solr 对索引和查询进行了所有可能的优化。许多文档。更重要的是，它是开放的。

【讨论】：

Solr 是一个使用 Lucene 的搜索应用，所以我觉得 brent777 后面的回答要好一些。不过，+1 是第一个 :)
每次我想我会是第一个在我打字的时候有人挤进答案，我必须学会更快地打字:(

【解决方案4】：

格雷，它是这样的：

Lucene 是一个原生 Java 搜索库。它的学习曲线有些陡峭。
Solr 是一个使用 Lucene 作为 Web 应用程序构建的搜索引擎。它更容易学习，可以通过 HTTP 接口或称为 Solrj 的 Java 接口使用。

如果您喜欢最小的 Java 版本，则需要 Lucene。如果您想要最快实施的解决方案，请使用 Solr。这是Solr tutorial 和Lucene tutorial。

这两种方法都需要一个索引阶段和一个稍后的检索阶段。您的问题似乎更像 grep，但我不知道为此匹配的 Java 库。您也没有描述文件类型 - 裸露的 Lucene 可以处理原始文本。您可能需要Apache Tika 才能从您的文件中获取文本和元数据。

【讨论】：