本文共 6344 字，大约阅读时间需要 21 分钟。
前面总结的都是使用Lucene的标准分词器，这是针对英文的，但是中文的话就不顶用了，因为中文的语汇与英文是不同的，所以一般我们开发的时候，有中文的话肯定要使用中文分词了，这一篇博文主要介绍一下如何使用smartcn中文分词器以及对结果的高亮显示。使用中文分词的话，首先到添加中文分词的jar包。
1 2 3 4 5 6 org.apache.lucene lucene-analyzers-smartcn 5.3.1
然后弄一些数据，使用中文分词器来生成一下索引，以便于后面搜索用到。
public class Indexer { private Directory dir; //存放索引的位置 //准备一下用来测试的数据 private Integer ids[] = { 1, 2, 3}; //用来标识文档 private String citys[] = { "上海", "南京", "青岛"}; private String descs[] = { "上海是个繁华的城市。", "南京是一个有文化的城市。", "青岛是一个美丽的城市。" }; //生成索引 @Test public void index(String indexDir) throws Exception { dir = FSDirectory.open(Paths.get(indexDir)); IndexWriter writer = getWriter(); for(int i = 0; i < ids.length; i++) { Document doc = new Document(); doc.add(new IntField("id", ids[i], Field.Store.YES)); doc.add(new StringField("city", citys[i], Field.Store.YES)); doc.add(new TextField("desc", descs[i], Field.Store.YES)); writer.addDocument(doc); //添加文档 } writer.close(); //close了才真正写到文档中 } //获取IndexWriter实例 private IndexWriter getWriter() throws Exception { SmartChineseAnalyzer analyzer = new SmartChineseAnalyzer();//使用中文分词器 IndexWriterConfig config = new IndexWriterConfig(analyzer); //将标准分词器配到写索引的配置中 IndexWriter writer = new IndexWriter(dir, config); //实例化写索引对象 return writer; } public static void main(String[] args) throws Exception { new Indexer().index("D:\\lucene2"); }} 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 建立好了索引，接下来就是查询了。
public class Searcher { public static void search(String indexDir, String q) throws Exception { Directory dir = FSDirectory.open(Paths.get(indexDir)); //获取要查询的路径，也就是索引所在的位置 IndexReader reader = DirectoryReader.open(dir); IndexSearcher searcher = new IndexSearcher(reader); SmartChineseAnalyzer analyzer = new SmartChineseAnalyzer(); //使用中文分词器 QueryParser parser = new QueryParser("desc", analyzer); //查询解析器 Query query = parser.parse(q); //通过解析要查询的String，获取查询对象 long startTime = System.currentTimeMillis(); //记录索引开始时间 TopDocs docs = searcher.search(query, 10);//开始查询，查询前10条数据，将记录保存在docs中 long endTime = System.currentTimeMillis(); //记录索引结束时间 System.out.println("匹配" + q + "共耗时" + (endTime-startTime) + "毫秒"); System.out.println("查询到" + docs.totalHits + "条记录"); for(ScoreDoc scoreDoc : docs.scoreDocs) { //取出每条查询结果 Document doc = searcher.doc(scoreDoc.doc); //scoreDoc.doc相当于docID,根据这个docID来获取文档 System.out.println(doc.get("city")); System.out.println(doc.get("desc")); String desc = doc.get("desc"); } reader.close(); } public static void main(String[] args) { String indexDir = "D:\\lucene2"; String q = "上海繁华"; //查询这个字符 try { search(indexDir, q); } catch (Exception e) { e.printStackTrace(); } }} 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 看一下查询结果：
匹配上海繁华共耗时15毫秒
查询到1条记录 上海 上海是个繁华的城市。
一般查询出来的效果都要高亮显示的，例如百度里查出来的结果都会标红啥的，Lucene中也可以这么干。首先要引入高亮显示的jar包。
1 2 3 4 5 6 org.apache.lucene lucene-highlighter 5.3.1
然后要在上面搜索的java代码中添加以下高亮显示的部分。
public class Searcher { public static void search(String indexDir, String q) throws Exception { //省略…… System.out.println("匹配" + q + "共耗时" + (endTime-startTime) + "毫秒"); System.out.println("查询到" + docs.totalHits + "条记录"); SimpleHTMLFormatter simpleHTMLFormatter = new SimpleHTMLFormatter("",""); //如果不指定参数的话，默认是加粗，即 QueryScorer scorer = new QueryScorer(query);//计算得分，会初始化一个查询结果最高的得分 Fragmenter fragmenter = new SimpleSpanFragmenter(scorer); //根据这个得分计算出一个片段 Highlighter highlighter = new Highlighter(simpleHTMLFormatter, scorer); highlighter.setTextFragmenter(fragmenter); //设置一下要显示的片段 for(ScoreDoc scoreDoc : docs.scoreDocs) { //取出每条查询结果 Document doc = searcher.doc(scoreDoc.doc); //scoreDoc.doc相当于docID,根据这个docID来获取文档 System.out.println(doc.get("city")); System.out.println(doc.get("desc")); String desc = doc.get("desc"); //显示高亮 if(desc != null) { TokenStream tokenStream = analyzer.tokenStream("desc", new StringReader(desc)); String summary = highlighter.getBestFragment(tokenStream, desc); System.out.println(summary); } } reader.close(); } public static void main(String[] args) { String indexDir = "D:\\lucene2"; String q = "上海繁华"; //查询这个字符 try { search(indexDir, q); } catch (Exception e) { e.printStackTrace(); } }} 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 看一下查询结果：
匹配上海繁华共耗时15毫秒
查询到1条记录 上海 上海是个繁华的城市。 上海是个繁华的城市。
这里简单解释一下上面程序中的那个得分，也就是说，在一段文本中，可能搜出来有关键字的地方不止一处，所以Lucene会自动计算每一处的得分，也就是最接近用户搜索，然后显示该位置附近的一些片段。上面的例子中描述部分太少了，就一句话，体现不出来，我把对南京的描述加长一点，如下：
南京是一个文化的城市南京，简称宁，是江苏省会，地处中国东部地区，长江下游，濒江近海。全市下辖11个区，总面积6597平方公里，2013年建成区面积752.83平方公里，常住人口818.78万，其中城镇人口659.1万人。[1-4] “江南佳丽地，金陵帝王州”，南京拥有着6000多年文明史、近2600年建城史和近500年的建都史，是中国四大古都之一，有“六朝古都”、“十朝都会”之称，是中华文明的重要发祥地，历史上曾数次庇佑华夏之正朔，长期是中国南方的政治、经济、文化中心，拥有厚重的文化底蕴和丰富的历史遗存。[5-7] 南京是国家重要的科教中心，自古以来就是一座崇文重教的城市，有“天下文枢”、“东南第一学”的美誉。截至2013年，南京有高等院校75所，其中211高校8所，仅次于北京上海；国家重点实验室25所、国家重点学科169个、两院院士83人，均居中国第三。[8-10] 。
这下够长了，如果我搜索“南京文化”，看一下结果：
南京是一个文化的城市南京，简称宁，是江苏省会，地处中国东部地区，长江下游，濒江近海。全市下辖11个区，总面积6597平方公里，2013年建成区面积752.83平方公里，常住人口818.78万，其中
如果我搜索“南京文明”，再看一下结果：
城镇人口659.1万人。[1-4] “江南佳丽地，金陵帝王州”，南京拥有着6000多年文明史、近2600年建城史和近500年的建都史，是中国四大古都之一，有“六朝古都”、“十朝都会”之称，是中华文明的
这就是Lucene中所谓的得分，其实也就是最匹配的片段。可以看出，Lucene的中文检索也是很强大的，当然咯，如果是专业搞搜索的，那还得好好研究研究，一般开发中站内搜索已经够使用了。
—–乐于分享，共同进步！
—–我的博客主页：转载地址：http://ruzws.baihongyu.com/