文档章节

整合Lucene 4.10.1 与IK Analyzer

樂天
 樂天
发布于 2014/10/02 15:14
字数 1242
阅读 7143
收藏 62
注意,IK Analyzer需要使用其下载列表中的 IK Analyzer 2012FF_hf1.zip,否则在和Lucene 4.10配合使用时会报错。

我使用 intellij IDEA 12进行的测试。


建立java项目

建立项目HelloLucene,导入Lucene的几个库。“File”->“Project Structure”->



IK Analyzer 2012FF_hf1.zip解压后的源码放入src目录,并将字典和配置文件放入src目录,最终如下:

一个示例:

IKAnalyzerDemo.java中是我在其他地方找的一个示例,和IK的官方示例很像。内容如下:

package org.apache.lucene.demo;
import java.io.IOException;
import java.io.StringReader;

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.TokenStream;
import org.apache.lucene.analysis.tokenattributes.CharTermAttribute;
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.queryparser.classic.ParseException;
import org.apache.lucene.queryparser.classic.QueryParser;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.store.RAMDirectory;
import org.apache.lucene.util.Version;
import org.wltea.analyzer.lucene.IKAnalyzer;

public class IKAnalyzerDemo {

    /**
     * @param args
     * @throws IOException
     */
    public static void main(String[] args) throws IOException {
        // TODO Auto-generated method stub
        //建立索引
        String text1 = "IK Analyzer是一个结合词典分词和文法分词的中文分词开源工具包。它使用了全新的正向迭代最细粒度切" +
                "分算法。";
        String text2 = "中文分词工具包可以和lucene是一起使用的";
        String text3 = "中文分词,你妹";
        String fieldName = "contents";
        Analyzer analyzer = new IKAnalyzer();
        RAMDirectory directory = new RAMDirectory();
        IndexWriterConfig writerConfig = new IndexWriterConfig(Version.LUCENE_34, analyzer);
        IndexWriter indexWriter = new IndexWriter(directory, writerConfig);
        Document document1 = new Document();
        document1.add(new Field("ID", "1", Field.Store.YES, Field.Index.NOT_ANALYZED));
        document1.add(new Field(fieldName, text1, Field.Store.YES, Field.Index.ANALYZED));
        indexWriter.addDocument(document1);

        Document document2 = new Document();
        document2.add(new Field("ID", "2", Field.Store.YES, Field.Index.NOT_ANALYZED));
        document2.add(new Field(fieldName, text2, Field.Store.YES, Field.Index.ANALYZED));
        indexWriter.addDocument(document2);

        Document document3 = new Document();
        document3.add(new Field("ID", "2", Field.Store.YES, Field.Index.NOT_ANALYZED));
        document3.add(new Field(fieldName, text3, Field.Store.YES, Field.Index.ANALYZED));
        indexWriter.addDocument(document3);
        indexWriter.close();


        //搜索
        IndexReader indexReader = IndexReader.open(directory);
        IndexSearcher searcher = new IndexSearcher(indexReader);
        String request = "中文分词工具包";
        QueryParser parser = new QueryParser(Version.LUCENE_40, fieldName, analyzer);
        parser.setDefaultOperator(QueryParser.AND_OPERATOR);
        try {
            Query query = parser.parse(request);
            TopDocs topDocs = searcher.search(query, 5);
            System.out.println("命中数:"+topDocs.totalHits);
            ScoreDoc[] docs = topDocs.scoreDocs;
            for(ScoreDoc doc : docs){
                Document d = searcher.doc(doc.doc);
                System.out.println("内容:"+d.get(fieldName));
            }
        } catch (ParseException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }finally{
            if(indexReader != null){
                try{
                    indexReader.close();
                }catch (IOException e) {
                    e.printStackTrace();
                }
            }

            if(directory != null){
                try{
                    directory.close();
                }catch (Exception e) {
                    e.printStackTrace();
                }
            }
        }

    }

}


这段代码是将索引文件放入内存中(RAMDirectory),运行结果如下:
加载扩展停止词典:stopword.dic
命中数:2
内容:中文分词工具包可以和lucene是一起使用的
内容:IK Analyzer是一个结合词典分词和文法分词的中文分词开源工具包。它使用了全新的正向迭代最细粒度切分算法。



这段代码有两个问题:
1、Field()已经不推荐按使用。
2、QueryParser()的使用方式也改变了。

下面是更加符合要求的示例。

第二个示例:

MyIndex类用来创建索引:
import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.document.*;
import org.apache.lucene.document.Field.Store;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.util.Version;
import org.wltea.analyzer.lucene.IKAnalyzer;

import java.io.File;


public class MyIndex {
    public static void main(String[] args) {
        String ID;
        String content;

        ID = "1231";
        content = "BuzzFeed has compiled an amazing array of " +
                "ridiculously strange bridesmaid snapshots, courtesy of Awkward Family Photos. ";
        indexPost(ID, content);

        ID = "1234";
        content = "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";
        indexPost(ID, content);

        ID = "1235";
        content = "Lucene不是一个完整的全文索引应用,而是是一个用Java写的全文索引引擎工具包,它可以方便的嵌入到各种应用中实现";
        indexPost(ID, content);

    }

    public static void indexPost(String ID, String content) {
        File indexDir = new File("/home/letian/lucene-test/index");

        Analyzer analyzer = new IKAnalyzer();

        TextField postIdField = new TextField("id", ID, Store.YES);  // 不要用StringField
        TextField postContentField = new TextField("content", content, Store.YES);

        Document doc = new Document();
        doc.add(postIdField);
        doc.add(postContentField);
        IndexWriterConfig iwConfig = new IndexWriterConfig(Version.LUCENE_4_10_1, analyzer);
        iwConfig.setOpenMode(IndexWriterConfig.OpenMode.CREATE_OR_APPEND);
        try {
            Directory fsDirectory = FSDirectory.open(indexDir);
            IndexWriter indexWriter = new IndexWriter(fsDirectory, iwConfig);
            indexWriter.addDocument(doc);
            indexWriter.close();
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}



索引以文件的形式存储在/home/letian/lucene-test/index目录中,Field被替换成了TextField,注意对于全文索引,不要使用StringField。
运行上面的代码,创建索引的结果如下:




MySearch.java是一个搜索的示例:
import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.queryparser.classic.QueryParser;
import org.apache.lucene.search.*;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.index.DirectoryReader;
import org.wltea.analyzer.lucene.IKAnalyzer;

import java.io.File;

public class MySearch {
    public static void main(String[] args) {
        Analyzer analyzer = new IKAnalyzer();
        File indexDir = new File("/home/letian/lucene-test/index");
        try {
            Directory fsDirectory = FSDirectory.open(indexDir);
            DirectoryReader ireader = DirectoryReader.open(fsDirectory);
            IndexSearcher isearcher = new IndexSearcher(ireader);


            QueryParser qp = new QueryParser("content", analyzer);         //使用QueryParser查询分析器构造Query对象
            qp.setDefaultOperator(QueryParser.AND_OPERATOR);
            Query query = qp.parse("Lucene");     // 搜索Lucene
            TopDocs topDocs = isearcher.search(query , 5);      //搜索相似度最高的5条记录
            System.out.println("命中:" + topDocs.totalHits);
            ScoreDoc[] scoreDocs = topDocs.scoreDocs;
            for (int i = 0; i < topDocs.totalHits; i++){
                Document targetDoc = isearcher.doc(scoreDocs[i].doc);
                System.out.println("内容:" + targetDoc.toString());
            }

        } catch (Exception e) {

        }
    }
}


得到的结果如下:
命中:2
内容:Document<stored,indexed,tokenized<id:1234> stored,indexed,tokenized<content: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>>
内容:Document<stored,indexed,tokenized<id:1235> stored,indexed,tokenized<content:Lucene不是一个完整的全文索引应用,而是是一个用Java写的全文索引引擎工具包,它可以方便的嵌入到各种应用中实现>>


参考:


http://lucene.apache.org/core/4_10_0/core/index.html
http://blog.csdn.net/tangpengtao/article/details/8670724
http://blog.csdn.net/enjoyinwind/article/details/8278250
http://blog.csdn.net/fyqcdbdx/article/details/17465929

更多资料:

初识 Lucene
http://www.ibm.com/developerworks/cn/java/j-lo-lucene1/

Lucene:基于Java的全文检索引擎简介
http://www.chedong.com/tech/lucene.html

使用 Apache Lucene 搜索文本
http://www.ibm.com/developerworks/cn/opensource/os-apache-lucenesearch/

深入 Lucene 索引机制
http://www.ibm.com/developerworks/cn/java/wa-lucene/

Lucene学习总结 系列文章
http://forfuture1978.iteye.com/category/89151




© 著作权归作者所有

樂天

樂天

粉丝 138
博文 680
码字总数 153079
作品 3
深圳
程序员
私信 提问
加载中

评论(2)

樂天
樂天 博主

引用来自“fate-testarossa”的评论

Version.LUCENE_34 是被抛弃了吧,目前好像用Version.LATEST ?
这个IKAnalyzerDemo.java是我在其他地方找的一个示例。
fate-testarossa
fate-testarossa
Version.LUCENE_34 是被抛弃了吧,目前好像用Version.LATEST ?
solr添加中文IK分词器,以及配置自定义词库

Solr是一个基于Lucene的Java搜索引擎服务器。Solr 提供了层面搜索、命中醒目显示并且支持多种输出格式(包括 XML/XSLT 和 JSON 格式)。它易于安装和配置,而且附带了一个基于HTTP 的管理界面...

超人学院
2015/05/08
7.2K
0
solr5.5.4整合IK分词器

1.下载IK分词器支持5.5.4的 http://download.csdn.net/detail/wang_keng/9535491 2.需要把分析器的jar包添加到solr工程中的tomcat的WEB-INF/lib下 cp IKAnalyzer2012FF_u2.jar /usr/local/so......

黄信程
2017/04/22
0
0
Lucene使用IKAnalyzer中文分词笔记

本文主要讲解IKAnalyzer(以下简称‘IK’)在Lucene中的具体使用,关于Lucene和IK分词器的背景及其作用在这里就不再熬述。不得不感叹下Lucene版本变更的快速,如今最新已经到了4.9.0,相信任...

Jialy
2014/09/02
8.6K
0
中文分词器 IK Analyzer 3.0 发布

IK Analyzer是一个开源的,基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始, IKAnalyzer已经推出了3个大版本。最初,它是以开源项目Luence为应用主体的,结合词典分词...

红薯
2009/07/27
36.9K
0
IKAnalyzer分词

一、IKAnalyzer介绍 IK Analyzer 是一个开源的,基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始,IKAnalyzer已经推出了4个大版本。最初,它是以开源项目Luence为应用...

白志华
2015/12/30
587
0

没有更多内容

加载失败,请刷新页面

加载更多

nginx常用命令

# cd /usr/local/nginx/sbin 查看版本 # ./nginx -v 查看进程 # ps -ef | grep nginx 查看nginx端口号 # ss -lnput | grep nginx 启动 # ./nginx 关闭 # ./nginx -s stop 重新加载配置文件 ......

行者终成事
16分钟前
4
0
002-docker的网络设置和数据管理

Docker 网络设置 docker会创建一个桥接网卡[docker 0],docker有两种映射方式,一种是随机映射,一种是指定映射 生产场景一般不用随机映射 随机映射的好处是端口由docker分配,不会冲突 安装n...

侠客行之石头
19分钟前
4
0
Rust学习笔记一 数据类型

写在前面 我也不是什么特别厉害的大牛,学历也很低,只是对一些新语言比较感兴趣,接触过的语言不算多也不算少,大部分也都浅尝辄止,所以理解上可能会有一些偏差。 自学了Java、Kotlin、Python、...

MusiCodeXY
22分钟前
4
0
Java 脚本引擎入门

Java Script Engine Java 脚本引擎可以将脚本嵌入Java代码中,可以自定义和扩展Java应用程序,自JDK1.6被引入,基于Rhino引擎,JDK1.8后使用Nashorn引擎,支持ECMAScript 5,但后期还可能会换...

阿提说说
今天
5
0
05.深入浅出索引(下)

在下面这个表T中,如果我们执行select * from T where k between 3 and 5,需要执行几次树的搜索操作,会扫描多少行? mysql> create table T ( id int primary key, k int not null default...

scgaopan
昨天
6
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部