本文环境：lucene5.2 JDK1.7 IKAnalyzer
引入lucene相关包
<!-- lucene核心包 --> <dependency> <groupId>org.apache.lucene</groupId> <artifactId>lucene-core</artifactId> <version>5.2.0</version> </dependency> <!-- 查询解析器 --> <dependency> <groupId>org.apache.lucene</groupId> <artifactId>lucene-queryparser</artifactId> <version>5.2.0</version> </dependency> <!-- 分词器 --> <dependency> <groupId>org.apache.lucene</groupId> <artifactId>lucene-analyzers-common</artifactId> <version>5.2.0</version> </dependency>
开发中依赖的包
<!-- https://mvnrepository.com/artifact/commons-io/commons-io --> <dependency> <groupId>commons-io</groupId> <artifactId>commons-io</artifactId> <version>2.4</version> </dependency> <!-- https://mvnrepository.com/artifact/junit/junit --> <dependency> <groupId>junit</groupId> <artifactId>junit</artifactId> <version>4.10</version> </dependency>
一、创建索引
1、确定索引库的位置
a、将索引库存入本地磁盘
FSDirectory dir=FSDirectory.open(path);
b、将索引存入内存
Directory directory = new RAMDirectory();
2、创建分词器
//创建分词器 Analyzer al=new StandardAnalyzer();
lucene内置有四个分析器：WhitespaceAnalyzer、SimpleAnalyzer、StopAnalyser、StandardAnalyzer
- WhitespaceAnalyzer：分析器是通过空格来分割文本信息
- SimpleAnalyzer：分析器会首先通过非字母字符来拆分文本信息，并统一转为小写格式，会去掉数字类型的字符
- StopAnalyser：和SimpleAnalyzer分析器类似，但StopAnalyser会去掉一些常用单词（the、a、an..）
- StandardAnalyzer：是lucene最复杂的核心分析器，可以识别某些种类的语汇单元，如公司名称、Email、主机名称等，它会将语汇单元转为小写格式，并去除掉停用词和标点符号
3、创建IndexWriter，进行索引文件的写入。
//创建索引的写入配置对象 IndexWriterConfig iwc= new IndexWriterConfig(al); //创建索引的Writer IndexWriter iw=new IndexWriter(dir, iwc);
4、创建文档 创建域将内容提取并进行索引的存储
//创建文档 Document doc=new Document(); //创建域 （域是键值对的数据结构）Store.YES：将该值存储到索引库 Field fieldName=new TextField("fieldName","xs.txt",Store.YES); Field fieldContent=new TextField("fieldContent","san guo yan yi",Store.YES); Field fieldsize=new LongField("fieldSize",10324,Store.YES); Field fieldPath=new TextField("fieldPath","F:/xs/sg/xs.txt",Store.YES); //将域加入文档中 doc.add(fieldName); doc.add(fieldContent); doc.add(fieldsize); doc.add(fieldPath); //把文档写入索引库 iw.addDocument(doc);
Field域的3各重要属性：
a、是否分析
将field值按照指定的分词器进行分析出相应的语汇单元，将词进行索引。例如：博文标题、博文作者、博文描述、博文内容 ，这些都应该建立索引
b、是否索引
对field分析后的词或整个field值进行索引，只有建立索引的field才能被搜索
c、是否存储（Store.YES：表示存储 Store.NO:表示不存储）
将field值存储在文档中，只有存储在文档中的field才可以从Document中取出。（一般对于内容较大的field不建立存储）
常用Field域的类型：
5、提交，并关闭资源
//提交 iw.commit(); iw.close();
完整代码：
1 @Test 2 public void ImportIndex() throws IOException { 3 //获得索引库路径 4 Path path=Paths.get("E:\\test\\luceneWI"); 5 //打开索引库 6 FSDirectory dir=FSDirectory.open(path); 7 //创建分词器 8 Analyzer al=new StandardAnalyzer(); 9 //创建索引的写入配置对象 10 IndexWriterConfig iwc= new IndexWriterConfig(al); 11 //创建索引的Writer 12 IndexWriter iw=new IndexWriter(dir, iwc); 13 //采集原始文档 14 File sourceFile=new File("E:\\test\\lucene"); 15 //获取该文件下所有的文件 16 File [] files=sourceFile.listFiles(); 17 //遍历每一个文件 18 for(File file:files){ 19 //获取文件属性 20 String fileName=file.getName(); 21 String content=FileUtils.readFileToString(file); 22 long size=FileUtils.sizeOf(file); 23 String sourcePath=file.getPath(); 24 //创建文档 25 Document doc=new Document(); 26 //创建域 （域是键值对的数据结构）Store.YES：将该值存储到索引库 27 Field fieldName=new TextField("fieldName",fileName,Store.YES); 28 Field fieldContent=new TextField("fieldContent",content,Store.YES); 29 Field fieldsize=new LongField("fieldSize",size,Store.YES); 30 Field fieldPath=new TextField("fieldPath",sourcePath,Store.NO); 31 //将域加入文档中 32 doc.add(fieldName); 33 doc.add(fieldContent); 34 doc.add(fieldsize); 35 doc.add(fieldPath); 36 //把文档写入索引库 37 iw.addDocument(doc); 38 } 39 //提交 40 iw.commit(); 41 iw.close(); 42 }