下面说的主要是lucene如何进行搜索，相比于建索引，搜索可能更能提起大家的兴趣。
lucene的主要搜索的API
下面通过表格来看一下lucene用到的主要的搜索API
| 类 | 目的 |
| IndexSeacher | 搜索操作的入口，所有搜索操作都是通过IndexSeacher实例使用一个重载的search方法来实现 |
| Query(及其子类) | 具体的Query子类为每一种特定类型的查询进行逻辑上的封装。Query实例被传递到IndexSearcher的search方法中 |
| QueryParser | 将用户输入的（并且可读的）查询表达式处理为一个具体的Query对象 |
| TopDocs | 保持由IndexSearcher.search()方法返回的具有较高评分的顶部文档 |
| ScoreDoc | 提供对TopDocs中每条搜索结果的访问接口 |
对特定项进行搜索
其中IndexSearcher是对索引中文档进行搜索的核心类，我们下面的例子中就会对subject域进行索引，使用的是Query的子类TermQuery。
测试程序如下：
View Code
1 public void testTerm() throws Exception { 2 Directory dir = TestUtil.getBookIndexDirectory(); //A 3 IndexSearcher searcher = new IndexSearcher(dir); //B 4 5 Term t = new Term("subject", "ant"); 6 Query query = new TermQuery(t); 7 TopDocs docs = searcher.search(query, 10); 8 assertEquals("Ant in Action", //C 9 1, docs.totalHits); //C 10 11 t = new Term("subject", "junit"); 12 docs = searcher.search(new TermQuery(t), 10); 13 assertEquals("Ant in Action, " + //D 14 "JUnit in Action, Second Edition", //D 15 2, docs.totalHits); //D 16 17 searcher.close(); 18 dir.close(); 19 }
当然在不同的情况下你可以改变其中的代码来搜索你想要的东西。
解析用户查询
lucene中解析用户的查询需要一个Query对象作为参数。那么也就是将Expression组合成Query的过程，这里边有一个对象叫QueryParser，它将前面传过来的规则的解析成对象然后进行查询。下面我们看下流程是如何处理的:
图：QueryParser对象处理复杂的表达式的过程
下面看一个程序示例，这个是基于lucene 3.0的，在后面的版本中会有所变化。
程序结构如下：
View Code
1 public void testQueryParser() throws Exception { 2 Directory dir = TestUtil.getBookIndexDirectory(); 3 IndexSearcher searcher = new IndexSearcher(dir); 4 5 QueryParser parser = new QueryParser(Version.LUCENE_30, //A 6 "contents", //A 7 new SimpleAnalyzer()); //A 8 9 Query query = parser.parse("+JUNIT +ANT -MOCK"); //B 10 TopDocs docs = searcher.search(query, 10); 11 assertEquals(1, docs.totalHits); 12 Document d = searcher.doc(docs.scoreDocs[0].doc); 13 assertEquals("Ant in Action", d.get("title")); 14 15 query = parser.parse("mock OR junit"); //B 16 docs = searcher.search(query, 10); 17 assertEquals("Ant in Action, " + 18 "JUnit in Action, Second Edition", 19 2, docs.totalHits); 20 21 searcher.close(); 22 dir.close(); 23 }
其实主要就是A和B两部分，将规则解析成lucene能识别的表达式。
下面的表格中列出了查询表达式的范例：
| 表达式 | 匹配文档 |
| java | 在字段中包含java |
| java junit java or junit |
在字段中包含java或者junit |
| +java +junit java and junit |
在字段中包含java以及junit |
| title:ant | 在title字段中包含ant |
| title:extreme -subject:sports title:extreme AND NOT subject:sports |
在title字段中包含extreme并且在subject字段中不能包含sports |
| (agile OR extreme) AND methodology | 在字段中包含methodology并且同时包括agile或者extreme |
| title:"junit in action" | 在title字段中包含junit in action |
| title:"junit action"~5 | 包含5次junit和action |
| java* | 包含以java开头的，例如：javaspaces,javaserver |
| java~ | 包含和java相似的，如lava |
| lastmodified:[1/1/04 TO 12/31/04] | 在lastmodified字段中值为2004-01-01到2004-12-31中间的 |
接下来测试一下QueryParser的各个表达式，程序结构如下：
View Code
1 public class TestQueryParser { 2 3 public static void main(String[] args) throws Exception { 4 5 String[] id = { "1", "2", "3" }; 6 String[] contents = { "java and lucene is good", 7 "I had study java and jbpm", 8 "I want to study java,hadoop and hbase" }; 9 10 Directory directory = new RAMDirectory(); 11 IndexWriter indexWriter = new IndexWriter(directory, 12 new IndexWriterConfig(Version.LUCENE_36, new StandardAnalyzer( 13 Version.LUCENE_36))); 14 for (int i = 0; i < id.length; i++) { 15 Document document = new Document(); 16 document.add(new Field("id", id[i], Field.Store.YES, 17 Field.Index.ANALYZED)); 18 document.add(new Field("contents", contents[i], Field.Store.YES, 19 Field.Index.ANALYZED)); 20 indexWriter.addDocument(document); 21 } 22 indexWriter.close(); 23 24 System.out.println("String is :java"); 25 search(directory, "java"); 26 27 System.out.println("\nString is :lucene"); 28 search(directory, "lucene"); 29 30 System.out.println("\nString is :+java +jbpm"); 31 search(directory, "+java +jbpm"); 32 33 System.out.println("\nString is :+java -jbpm"); 34 search(directory, "+java -jbpm"); 35 36 System.out.println("\nString is :java jbpm"); 37 search(directory, "java jbpm"); 38 39 System.out.println("\nString is :java AND jbpm"); 40 search(directory, "java AND jbpm"); 41 42 System.out.println("\nString is :java or jbpm"); 43 search(directory, "java or jbpm"); 44 } 45 46 public static void search(Directory directory, String str) throws Exception { 47 IndexSearcher indexSearcher = new IndexSearcher(directory); 48 Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_34); 49 QueryParser queryParser = new QueryParser(Version.LUCENE_34, 50 "contents", analyzer); 51 Query query = queryParser.parse(str); 52 TopDocs topDocs = indexSearcher.search(query, 10); 53 ScoreDoc[] scoreDoc = topDocs.scoreDocs; 54 for (int i = 0; i < scoreDoc.length; i++) { 55 Document doc = indexSearcher.doc(scoreDoc[i].doc); 56 System.out.println(doc.get("id") + " " + doc.get("contents")); 57 } 58 indexSearcher.close(); 59 } 60 }
运行程序就会得到输出结果。
搜索用到的各个类的相互关系
我想看图应该会比较清晰，下面的图比较清晰的组合了程序的结构：
图：搜索用到的各个类的相互关系
搜索结果分页
其实这个所谓的分页跟数据库的分页功能差不多，只是一个是从数据库中读取数据，而一个是从索引文件中找到对应的数据。
在lucene搜索分页过程中,可以有两种方式：
- 一种是将搜索结果集直接放到session中,但是假如结果集非常大,同时又存在大并发访问的时候,很可能造成服务器的内存不足,而使服务器宕机
- 还有一种是每次都重新进行搜索,这样虽然避免了内存溢出的可能,但是,每次搜索都要进行一次IO操作,如果大并发访问的时候,你要保证你的硬盘的转速足够的快,还要保证你的cpu有足够高的频率
而我们可以将这两种方式结合下,每次查询都多缓存一部分的结果集,翻页的时候看看所查询的内容是不是在已经存在在缓存当中,如果已经存在了就直接拿出来,如果不存在,就进行查询后,从缓存中读出来。比如:现在我们有一个搜索结果集 一个有100条数据,每页显示10条,就有10页数据。按照第一种的思路就是,我直接把这100条数据缓存起来,每次翻页时从缓存种读取而第二种思路就是,我直接从搜索到的结果集种显示前十条给第一页显示,第二页的时候,我在查询一次,给出10-20条数据给第二页显示,我每次翻页都要重新查询。
第三种思路就变成了
我第一页仅需要10条数据,但是我一次读出来50条数据,把这50条数据放入到缓存当中,当我需要10--20之 间的数据的时候,我的发现我的这些数据已经在我的缓存种存在了,我就直接存缓存中把数据读出来,少了一次查询,速度自然也提高了很多. 如果我访问第六页的数据,我就把我的缓存更新一次.这样连续翻页10次才进行两次IO操作同时又保证了内存不容易被溢出.而具体缓存设置多少,要看你的服务器的能力和访问的人数来决定。
下面是一个示例程序没有做缓存，缓存的部分可以自己实现，也可以选择ehcache等开源的实现。
程序结构如下：
View Code
1 public class TestPagation { 2 3 public void paginationQuery(String keyWord, int pageSize, int currentPage) 4 throws ParseException, CorruptIndexException, IOException { 5 String[] fields = { "title", "content" }; 6 // 创建一个分词器,和创建索引时用的分词器要一致 7 Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_36); 8 9 QueryParser queryParser = new MultiFieldQueryParser(Version.LUCENE_36, 10 fields, analyzer); 11 Query query = queryParser.parse(keyWord); 12 13 // 打开索引目录 14 File indexDir = new File("./indexDir"); 15 Directory directory = FSDirectory.open(indexDir); 16 17 IndexReader indexReader = IndexReader.open(directory); 18 IndexSearcher indexSearcher = new IndexSearcher(indexReader); 19 20 // TopDocs 搜索返回的结果 21 TopDocs topDocs = indexSearcher.search(query, 100);// 只返回前100条记录 22 int totalCount = topDocs.totalHits; // 搜索结果总数量 23 ScoreDoc[] scoreDocs = topDocs.scoreDocs; // 搜索返回的结果集合 24 25 // 查询起始记录位置 26 int begin = pageSize * (currentPage - 1); 27 // 查询终止记录位置 28 int end = Math.min(begin + pageSize, scoreDocs.length); 29 30 // 进行分页查询 31 for (int i = begin; i < end; i++) { 32 int docID = scoreDocs[i].doc; 33 Document doc = indexSearcher.doc(docID); 34 int id = NumericUtils.prefixCodedToInt(doc.get("id")); 35 String title = doc.get("title"); 36 System.out.println("id is : " + id); 37 System.out.println("title is : " + title); 38 } 39 40 } 41 42 public static void main(String[] args) throws CorruptIndexException, ParseException, IOException { 43 TestPagation t = new TestPagation(); 44 //每页显示5条记录，显示第三页的记录 45 t.paginationQuery("RUNNING",5,3); 46 } 47 48 }
