Lucene使用代码实例之建立索引-金色坐标

Lucene是一个基于Java的全文索引工具包，Lucene早先发布在作者自己的www.lucene.com网站，后来发布在SourceForge，2001年年底成为APACHE基金会jakarta的一个子项目：http://lucene.apache.org/，其中Eclipse和Nutch等的实现中都使用了Lucene。

Lucene虽然不是一个完整的搜索应用程序，但是它可以为你的应用程序提供索引和搜索功能。Lucene 能够为文本类型的数据建立索引，因此只要把需要索引的数据格式转化为文本格式，Lucene就可以对其进行索引和搜索。

例如需要对一些HTML文档，PDF文档或者数据库文本数据进行索引的话，首先需要把HTML文档，PDF文档等转化成文本格式内容，然后将转化后的内容交给Lucene进行索引，再把创建好的索引文件保存到磁盘或者内存中，最后根据用户输入的查询条件在索引文件上进行查询。

如上所述，在应用实例中，使用Lucene的代码简单来说可以分为两个部分，一是建立索引，二是搜索内容。首先下载Lucene软件包，其发布形式是一个Jar文件，其中在为文档建立索引时主要会用到Document, Field, IndexWriter, Analyzer, Directory等五个基础类：

1，Document类：用来描述文档，这里的文档可以指一个HTML页面，一封电子邮件，或者是一个文本文件。一个 Document 对象由多个Field对象组成的。可以把一个Document对象想象成数据库中的一个记录，而每个Field对象就是记录的一个字段。

2，Field类：用来描述一个文档的某个属性，比如一封电子邮件的标题和内容可以用两个Field对象分别描述。

3，Analyzer类：用来对文档内容进行分词处理，Analyzer 类是一个抽象类，它有多个实现，针对不同的语言和应用需要选择适合的Analyzer，Analyzer会把分词后的内容交给IndexWriter来建立索引。

4，IndexWriter类：用来创建索引的一个核心类，作用是把一个个的Document对象加到索引中来。

5，Directory类：用来描述路径和目录结构，主要用于表示Lucene建立索引的存储位置。这是一个抽象类，它目前有两个实现，第一个是 FSDirectory，表示一个存储在文件系统中的索引的位置；第二个是RAMDirectory，表示一个存储在内存当中的索引的位置。

代码：为文本文件建立索引

package TestLucene;
import java.io.File;
import java.io.FileReader;
import java.io.Reader;
import java.util.Date;
import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.index.IndexWriter;
/**
* This class demonstrate the process of creating index with Lucene
* for text files
*/
public class TxtFileIndexer {
    public static void main(String[] args) throws Exception{
        //indexDir is the directory that hosts Lucene's index files
        File   indexDir = new File("D:\\luceneIndex");
        //dataDir is the directory that hosts the text files that to be indexed
        File   dataDir = new File("D:\\luceneData");
        Analyzer luceneAnalyzer = new StandardAnalyzer();
        File[] dataFiles = dataDir.listFiles();
        IndexWriter indexWriter = new IndexWriter(indexDir,luceneAnalyzer,true);
        long startTime = new Date().getTime();
        for(int i = 0; i < dataFiles.length; i++){
            if(dataFiles[i].isFile() && dataFiles[i].getName().endsWith(".txt")){
                System.out.println("Indexing file " + dataFiles[i].getCanonicalPath());
                Document document = new Document();
                Reader txtReader = new FileReader(dataFiles[i]);
                document.add(Field.Text("path",dataFiles[i].getCanonicalPath()));
                document.add(Field.Text("contents",txtReader));
                indexWriter.addDocument(document);
            }
        }
        indexWriter.optimize();
        indexWriter.close();
        long endTime = new Date().getTime();

        System.out.println("It takes " + (endTime - startTime)
                           + " milliseconds to create index for the files in directory "
                           + dataDir.getPath());
    }
}