doc.add(new Field("contents", new FileReader(file)));开始时,我是把内容读取出来,直接索引在索引文件里,这样就方便在查询时读取内容并高亮显示.但是给果发现,这个东西很受字符编码的影响,于是,我就在文件读取时加上一个编码,可是发现中文检索不出来.后来,我就换了一个:doc.add(new Field("contents", FileDocument.readFileContents(file.getCanonicalPath(), charset), Field.Store.YES, Field.Index.TOKENIZED));迷惑之中,我尝试用InputStreamReader类实例来代替FileReader,没想到,结果居然能成功,代码如下:doc.add(new Field("contents", new InputStreamReader(new FileInputStream(file.getCanonicalPath()), charset)));
Tags: FileReader  Lucene  InputStreamReader  索引  搜索引擎  

建立索引 // 建立索引就用到Document,IndexWriter,Field。// 最简单的步骤就是：// 首先分别new 一个Document，IndexWriter,Field// 然后用Doument.add()方法加入Field,// 其次用IndexWrtier.addDocument()方法加入Document。// 最后调用一下IndexWriter.close()方法关闭输入索引，这一步非常的重要只有调用这个方法索引才会被写入索引的目录里，而这是被很多初学的人所忽略的。// 全文的搜索主要是用：IndexSearcher,Query,Hits,Document(都是Query的子类),有的时候用QueryParser// 主要步骤：// 1.new QueryParser(Field字段，new 分析器)// 2.Query query = QueryParser.parser(“要查询的字串”);这个地方我们可以用反射api看一下query究竟是什么类型// 3.new IndexSearcher(索引目录).search(query);返回Hits// 4.用Hits.doc(n);可以遍历出Document// 5.用Document可得到Field的具体信息了。// 其实1 ，2两步就是为了弄出个Query 实例，究竟是什么类型的看分析器了。
Tags: Lucene  搜索引擎  

经理给我两新任务，第一个就是Lucene来开发一个站内搜索。这个东西我以前有过兴趣，研究过一点点，但是，没有上手，后来就放弃了，没想到，现在还有机会重新捡起来。心里甚是开心。找了两天的资料，现在，基本上对Lucene有了一定的了解，也对这个任务有了点想法。要做这样一个站内搜索，其实就是对网站进行索引，以及搜索，这两个功能正好是Lucene的功能，但是，经理要求，要像GG和百度一样，对网页进行索引，而不是对数据库进行索引，所以，我不得不考虑再做一个WEB爬虫来对站内的网页进行索引。整个任务，分析下来，就有三块了，第一，爬虫模块，第二，索引和搜索模块（Lucene），第三，索引搜索中用到的中文分词模块。这三大块，没有一块是我现在熟悉的，看来，一切得从0开始。－－－－－－－－－－－－－－－－－－－－－－－－－－－－索引和搜索模块（Lucene），简单介绍一下：
Tags: Lucene  搜索引擎  索引  中文分词  爬虫