整合Lucene 4.10.1 與IK Analyzer

時間 2019-11-09

標籤整合 lucene 4.10.1 analyzer 简体版

原文原文鏈接

注意，IK Analyzer須要使用其下載列表中的 IK Analyzer 2012FF_hf1.zip，不然在和Lucene 4.10配合使用時會報錯。

我使用 intellij IDEA 12進行的測試。

創建java項目

創建項目HelloLucene，導入Lucene的幾個庫。「File」->「Project Structure」->

將IK Analyzer 2012FF_hf1.zip解壓後的源碼放入src目錄，並將字典和配置文件放入src目錄，最終以下：

html

一個示例：

IKAnalyzerDemo.java中是我在其餘地方找的一個示例，和IK的官方示例很像。內容以下： java

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
        //創建索引
        String text1 = "IK Analyzer是一個結合詞典分詞和文法分詞的中文分詞開源工具包。它使用了全新的正向迭代最細粒度切" +
                "分算法。";
        String text2 = "中文分詞工具包能夠和lucene是一塊兒使用的";
        String text3 = "中文分詞,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 = "中文分詞工具包";
        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("命中數:"+topDocs.totalHits);
            ScoreDoc[] docs = topDocs.scoreDocs;
            for(ScoreDoc doc : docs){
                Document d = searcher.doc(doc.doc);
                System.out.println("內容:"+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();
                }
            }
        }

    }

}

這段代碼是將索引文件放入內存中（RAMDirectory），運行結果以下：

加載擴展中止詞典：stopword.dic
命中數:2
內容:中文分詞工具包能夠和lucene是一塊兒使用的
內容:IK Analyzer是一個結合詞典分詞和文法分詞的中文分詞開源工具包。它使用了全新的正向迭代最細粒度切分算法。

這段代碼有兩個問題：
一、Field()已經不推薦按使用。
二、QueryParser()的使用方式也改變了。

下面是更加符合要求的示例。

第二個示例：

MyIndex類用來建立索引：

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軟件基金會4 jakarta項目組的一個子項目，是一個開放源代碼的全文檢索引擎工具包";
        indexPost(ID, content);

        ID = "1235";
        content = "Lucene不是一個完整的全文索引應用，而是是一個用Java寫的全文索引引擎工具包，它能夠方便的嵌入到各類應用中實現";
        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儲在/home/letian/lucene-test/index目錄中，Field被替換成了TextField，注意對於全文索引，不要使用StringField。
運行上面的代碼，建立索引的結果以下：

MySearch.java是一個搜索的示例：

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查詢分析器構造Query對象
            qp.setDefaultOperator(QueryParser.AND_OPERATOR);
            Query query = qp.parse("Lucene");     // 搜索Lucene
            TopDocs topDocs = isearcher.search(query , 5);      //搜索類似度最高的5條記錄
            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("內容:" + targetDoc.toString());
            }

        } catch (Exception e) {

        }
    }
}

獲得的結果以下：

命中:2
內容:Document<stored,indexed,tokenized<id:1234> stored,indexed,tokenized<content:Lucene是apache軟件基金會4 jakarta項目組的一個子項目，是一個開放源代碼的全文檢索引擎工具包>>
內容:Document<stored,indexed,tokenized<id:1235> stored,indexed,tokenized<content:Lucene不是一個完整的全文索引應用，而是是一個用Java寫的全文索引引擎工具包，它能夠方便的嵌入到各類應用中實現>>

參考：

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 算法

整合Lucene 4.10.1 與IK Analyzer

創建java項目

一個示例：

第二個示例：

參考：

更多資料：