Lucene的学习第二篇 — Lucene的流程与构建文档对象

既然Lucene是实现全文检索，那么明白以下几个问题，

• Lucene是什么？
• Lucene实现全文检索的流程？
• 索引到底是如何创建的？(Indexing)
• 索引里面存放的又是什么东西？
• 搜索的的时候又是如何去查找索引的？(Search)

这5个问题搞明白了，那么lucene就算入门了。

1：lucene是什么？

Lucene是一堆jar包

2：lucene的实现全文检索的流程：

其实就两大流程：

1:绿色表示创建索引过程，包括：
采集数据、创建索引（保存到索引库）

2:红色表示查询索引过程，包括：
入口提交查询请求（查询关键字）、执行查询（从索引库搜索）

采集数据：从互联网上、数据库、文件系统中等获取需要搜索的原始信息，如何采集数据？

• 1、互联网上的网页：可以使用爬虫获取数据。
• 2、数据库中的数据：可以直接连接数据库用SQL查询数据。
• 3、文件系统中的文件：可以通过I/O操作读取文件的内容。

建立索引：

这是最关键的步骤也是最抽象，最难理解的，采用场景1说明

创建索引的步骤：

• 获取文档（IO）
• 创建文档对象
• 分析文档（拆词）（使用分词器）创建索引
• 扔进索引库

为了更好的理解这个步骤：

需要明白一个问题，索引库里是什么东西？
看流程图。用户根据索引查询，得到的是返回的结果。类比词典，那么索引库就是一个词典。
也就说，索引库中，既有索引，并且又有原始文档。
全文检索的内容是索引库中的内容，并没有去原始文档总找。而这个内容是我们在建立索引库的时候，将内容完完全全的复制到了索引库（理解成复制）

记住：

扔进索引库的是一个文档对象！这个文档对象扔进索引库的时候，自动创建了索引!
文档对象是什么？（抽象）
这个文档对象就是我们构建的，一个world文件就是一个文档对象
文档对象由域组成(Field)

域field：就是描述这个对象的属性。好比描述对象的字段（但是完全不一样），例如描述这个world的大小、内容、长度，都是一个域。

1. 每个文档对象中包括多个Field（域），域只有两个属性：域名（name）和域值（value）。一个对象相当于数据库表的一条记录，一个Field相当于表中的一个字段
2. 不同的对象可以有不同的Field，同一个对象可以有相同的Field（域名和域值都相同）（跟数据库字段完全不一样）

和数据库表类似，每个文档都有一个唯一的主键——文档id（docID）