Lucene学习笔记之三：全文搜索详解

全文搜索详解主要是对其的组成部分和流程做一个详细的说明，有助于我们接下来学习lucene。

 

在Lucene学习笔记之一：信息检索与全文检索这篇文章中，我们已经说过，全文搜索是按索引来找，效率高（从字典的索引找，再找到哪一页，效率会高）,也就是要建立索引，然后进行搜索的过程。

在Lucene学习笔记之二：lucene是什么这篇文章中介绍了lucene是什么，也就是为了更好的进行建立索引和搜索。

 

在全文搜索工具中，都是由这样的三部分组成：索引部分、分词部分、搜索部分。为什么是由这三部分组成呢？我们来想一想，为了要提交检索的效率，得建立索引；从哪来的索引，必须对资源（文档，文章）进行分词；搜索更不用说了

 

全文检索中建立索引与进行检索的流程

建立索引，就是对待搜索的信息进行一定的分析，并将分析结果按照一定的组织方式存储起来，通常将这些结果存储在文件中。存储分析结果的文件的集合就是索引。在查询时，先从索引中查找，由于索引是按照一定的结构组织的，所以查询的速度非常快。

为提供检索的功能，信息检索系统会事先做一些准备工作：信息的采集与加工。

1. 信息采集：把信息源的信息拷贝到本地，构成待检索的信息集合。（信息源可以是互联网中的网页、硬盘中的txt、doc、pdf等格式的电子文档，或是文件系统上的文件等等）。

2. 信息加工：为采集到本地的信息编排索引，为查询做好准备。

流程如下：

分词器

分词器，对文本资源进行切分，将文本按规则切分为一个个可以进行索引的最小单位（关键词）。

建立索引和进行搜索时都要用到分词器。为了保证能正确的搜索到结果，在建立索引与进行搜索时使用的分词器应是同一个。

索引文件结构

索引库是一组文件的集合。

索引文件的检索：

索引表规模相对较小，文档集合规模较大。进行检索时，先从检索索引表开始，然后找到相对应的文档。如果查询中仅包含一个关键词，则在索引表中找到该单词，并取出他对应的文档就可以了。如果查询中包含多个关键词，则需要将各个关键字检索出的记录进行合并。

 

索引文件的维护：

维护索引用三个操作：插入、删除和更新文档。但是更新操作需要较高的代价，因为文档修改后（即使是很小的修改），就可以会造成文档中的很多的关键词的位置发生了变化，这是需要频繁的读取和修改记录，这种代价是相当高的。因此，一般不进行更新操作，而是使用“先删除，后创建”的方式代替更新操作。

今天说写到这里，下节见。

 

本文链接：Lucene学习笔记之三：全文搜索详解，本文由huangyineng原创，转载请注明出处