首先,Z一个简单的新闻pȝ,要想做全文检?新闻pȝ的管理等在这里不在具体提?下面列出新闻对象的类:
?E序用会C些工L,不在此列?用户可以自己实现.
| package com.jscud.website.newsinfo.bean; import java.sql.Timestamp; import com.jscud.util.DateTime; import com.jscud.util.StringFunc; import com.jscud.website.newsinfo.NewsConst; /** * 一个新? * * @author scud(飞云侠) http://www.jscud.com * */ public class NewsItem { private int nid; //新闻~号 private int cid; //cd~号 private String title;//标题 private int showtype; //内容cd:目前支持url和html private String content;//内容 private String url;//对应|址,如果内容cd是url的话 private Timestamp addtime; //增加旉 private int click; //点击?br /> //对应的get,set函数,较多不在列出,可以使用工具生成 //...... /** * 按照cd格式?br /> */ public String getShowContent() { String sRes = content; if(showtype == NewsConst.ShowType_HTML) { } return sRes; } public String getTarget() { if(showtype == NewsConst.ShowType_URL) { return "_blank"; } else return ""; } /** * 静态Html文g的\径及其名?br /> */ public String getHtmlFileName() { int nYear = DateTime.getYear_Date(getAddtime()); int nMonth = DateTime.getMonth_Date(getAddtime()); String sGeneFileName = "/news/" + getCid() + "/" + nYear + "/" + nMonth +"/" + getNid() + ".htm"; return sGeneFileName; } /** * 静态Html文g的\?br /> */ public String getHtmlFilePath() { int nYear = DateTime.getYear_Date(getAddtime()); int nMonth = DateTime.getMonth_Date(getAddtime()); String sGeneFilePath = getCid() + "_" + nYear + "_" + nMonth; return sGeneFilePath; } } |
可以看到,我们需要对标题和内容进行检?Zq个目的,我们首先需要来研究一下lucene.
在Lucene?如果要进行全文检?必须要先建立索引然后才能q行?当然实际工作中还会有删除索引和更新烦引的工作.
在此之前,介绍一个最基本的类(摘抄?a href="http://www.aygfsteel.com/cap/archive/2005/07/17/7849.html">http://www.aygfsteel.com/cap/archive/2005/07/17/7849.html):
Analyzer 文g的分析器Q听h别扭Q还是叫Analyzer好了)的抽象，q个cȝ来处理分?对中文尤光要，转换大小?Computer->computer,实现查询大小写无?Q{换词?computers->computer),消除stop words{?q负责把其他格式文档转换为纯文本{?
在lucene?一般会使用StandardAnalyzer来分析内?它支持中文等多字节语a,当然可以自己实现Ҏ的解析器.StandardAnalyzer目前对中文的处理是按照单字来处理?q是最单的办法,但是也有~点,会组合出一些没有意义的l果?
首先我们来了解徏立烦?建立索引包含2U情?一U是l一条新d立烦?另外的情冉|在开始或者一定的旉l批量的新闻建立索引,所以ؓ了通用,我们写一个通用的徏立烦引的函数:
(一般一cȝ索引都放在一个目录下,q个配置可以在函C定义,也可以写在配|文件中,通过参数传递给函数.)
| /** * 生成索引. * * @param doc 目标文档 * @param indexDir 索引目录 */ public static void makeIndex(Document doc, String indexDir) { List aList = new ArrayList(); aList.add(doc); makeIndex(aList, indexDir); } /** * 生成索引. * * @param doc 生成的document. * @param indexDir 索引目录 */ public static void makeIndex(List docs, String indexDir) { if (null == docs) { return; } boolean indexExist = indexExist(indexDir); IndexWriter writer = null; //d一条文?br />
for (int i = 0; i < docs.size(); i++) //索引完成后的处理 |
可以看到,建立索引用到cLIndexWrite,它可以新建烦引或者追加烦?但是需要自己判?判断是通过IndexReaderq个cL实现?函数如下:
| /** * 查烦引是否存? * @param indexDir * @return */ public static boolean indexExist(String indexDir) { return IndexReader.indexExists(indexDir); } |
如果每次都是新徏索引的话,会把原来的记录删?我在使用的时候一开始就没有注意?后来观察了一下烦引文?才发现这个问?
q可以看?建立索引是给用户的Document对象建立索引,Document表示索引中的一条文档记?那么我们如何建立一个文档那?以新ȝlؓ?代码如下:
| /** * 生成新闻的Document. * * @param aNews 一条新? * * @return lucene的文档对?br /> */ public static Document makeNewsSearchDocument(NewsItem aNews) { Document doc = new Document(); doc.add(Field.Keyword("nid", String.valueOf(aNews.getNid()))); doc.add(Field.Text("title", aNews.getTitle())); //对Htmlq行解析,如果不是html,则不需要解?或者根据格式调用自q解析Ҏ String content = parseHtmlContent(aNews.getContent()); doc.add(Field.UnStored("content", content)); doc.add(Field.Keyword("addtime", aNews.getAddtime())); //可以加入其他的内?例如新闻的评论等 doc.add(Field.UnStored("other", "")); //讉Kurl String newsUrl = "/srun/news/viewhtml/" + aNews.getHtmlFilePath() + "/" + aNews.getNid() + ".htm"; doc.add(Field.UnIndexed("visiturl", newsUrl)); return doc; } |
通过上面的代?我们把一条新闻{换ؓlucene的Document对象,从而进行烦引工?在上面的代码?我们又引入了lucene中的Field(字段)c?Document文档像数据库中的一条记?它有很多字段,每个字段是一个Field对象.
从别的文章摘抄一D关于Field的说?摘抄?a href="http://www.aygfsteel.com/cap/archive/2005/07/17/7849.html">http://www.aygfsteel.com/cap/archive/2005/07/17/7849.html):
[quote]
cd Analyzed Indexed Stored 说明
Field.Keyword(String,String/Date) N Y Y q个Field用来储存会直接用来检索的比如(~号,姓名,日期{?
Field.UnIndexed(String,String) N N Y 不会用来索的信息,但是索后需要显C的,比如,g序列?文档的url地址
Field.UnStored(String,String) Y Y N 大段文本内容,会用来检?但是索后不需要从index中取内容,可以Ҏurl去load真实的内?
Field.Text(String,String) Y Y Y ?获取都需要的内容,直接放index?不过q样会增大index
Field.Text(String,Reader) Y Y N 如果是一个Reader, lucene猜测内容比较?会采用Unstored的策?
[/quote]
我们可以看到新闻的编h直接用来索的,所以是Keywordcd的字D?新闻的标题是需要检索和昄用的,所以是Textcd,而新ȝ内容因ؓ是Html格式?所以在l过解析器的处理?使用的UnStored的格?而新ȝ旉是直接用来检索的,所以是KeyWordcd.Z在新ȝ引后用户可以讉K到完整的新闻面,q设|了一个UnIndexedcd的访问地址字段.
(对Htmlq行解析的处理稍后在q行讲解)
Z条新d立烦引需要两个步?获取Document,传给makeIndex函数,代码如下:
| public static void makeNewsInfoIndex(NewsItem aNews) { if (null == aNews) { return; } makeIndex(makeNewsSearchDocument(aNews),indexDir); } |
建立索引的工作就q行完了,只要在增加新d调用 makeNewsInfoIndex(newsitem); 可以徏立烦引了.
如果需要删除新?那么也要删除对应的烦?删除索引是通过IndexReadercL完成?
/** * 删除索引. * @param aTerm 索引删除条g * @param indexDir 索引目录 */ public static void deleteIndex(Term aTerm, String indexDir) { List aList = new ArrayList(); aList.add(aTerm); deleteIndex(aList, indexDir); } /** IndexReader reader = null; |
删除索引需要一个条?cM数据库中的字D|?例如删除一条新ȝ代码如下:
| public static void deleteNewsInfoIndex(int nid) { Term aTerm = new Term("nid", String.valueOf(nid)); deleteIndex(aTerm,indexDir); } |
通过新闻的ID,可以删除一条新?
如果需要更新新?如何更新索引? 更新索引需要先删除索引然后新徏索引2个步?其实是把上面的代码l合h,例如更新一条新?
| public static void updateNewsInfoIndex(NewsItem aNews) { if (null == aNews) { return; } deleteNewsInfoIndex(aNews.getNid()); makeNewsInfoIndex(aNews); } |
x,索引的徏立更新和删除告一D落?其中扚w更新新闻的代码如?
(扚w更新应该在访问h数少或者后台程序在夜间执行)
| public static void makeAllNewsInfoIndex(List newsList) { List terms = new ArrayList(); List docs = new ArrayList(); for (int i = 0; i < newsList.size(); i++) deleteIndex(terms,indexDir); |
]]>