幾點小體會，先記下，不知道對不對。
網(wǎng)上說lucene是一個半成品，深有體會。
1.lucene是一種全文搜索技術，詞元是一個單詞（word）。試圖搜索一個單詞的一部分或一個字母，是沒有意義的，lucene也不能實現(xiàn)。除非你是想搜索一個單詞的前綴，用PrefixQuery是可以的。說到底，還是在生成索引的時候的分析器（Analyzer）在作怪。
下面有四個英文分析器：
|
分析器
|
內(nèi)部操作步驟
|
|
WhitespaceAnalyzer
|
在空格處進行語匯單元的切分
|
|
SimpleAnalyzer
|
在非字母字符處切分文本，并將其轉(zhuǎn)換為小寫形式
|
|
StopAnalyzer
|
在非字母字符處切分文本，然后小寫化，再移除停用詞
|
|
StandardAnalyzer
|
基于復雜的語法來實現(xiàn)語匯單元化；這種語法規(guī)則可以識別e-mail地址、首字母縮寫詞、漢語-日語-漢語字符、字母數(shù)字等；小寫化；并移除停用詞
|
切分出來的就是一個一個詞元，也就是你搜索的最小單位了。不難從上面看出，lucene對亞洲字體支持有限。
2.試過用StandardAnalyzer分析日文英文文本。日文可以正常搜索，英文字母只能按單詞搜索。
3.這里說一個奇怪的現(xiàn)象：搜索的時候，比如文本中有"你好bcc"，我搜"好bcc"可以正常搜索，搜"好a"竟然也可以搜到。debug代碼，看到查詢的時候，有一個parse方法（下面說明）竟然把后面的"a"去掉了，真正搜的是"好"。但是搜"好b"或"好d"等都搜不到。奇怪奇怪！
4.索引好之后，就可以搜索（Query）了。至于Query也有好多種：
|_______WildcardQuery （通配符查詢）
|______
_PhraseQuery (短語查詢) 可以限定兩個term之間的距離
|_______RangeQuery (范圍查詢)
|_______MultiPhraseQuery （多短語查詢）
|_______FuzzyQuery （模糊查詢）
|_______SpanQuery （跨度查詢）
|_______PrefixQuery （前綴查詢）
查詢的時候，也會用到上面的Analyzer。根據(jù)Analyzer的不同會對查詢的關鍵詞進行一些處理，比如上面的去掉"a"。然后用處理過的關鍵詞進行查詢。
5.這里再說一個題外話：什么時候生成索引合適。總不能每次檢索的時候就來一次從頭到尾的生成索引吧，這顯然不合人類工程動力學原理，呵呵：） 那初步想法是，先確定你要在那里文件里面搜索，每當你的這些文件有變動時，就觸發(fā)對這個文件的索引。比如，新添文件或文件更新了。這樣檢索的時候，就只管檢索。看似這樣耦合度也低哈：）