使用Lucene.NET实现简单的站内搜索
使用Lucene.NET实现简单的站内搜索
- 导入Lucene.NET 开发包
Lucene 是apache软件基金会一个开放源代码的全文检索引擎工具包,是一个全文检索引擎的架构,提供了完整的查询引擎和索引引擎,部分文本分析引擎。Lucene的目的是为软件开发人员提供一个简单易用的工具包,以方便的在目标系统中实现全文检索的功能,或者是以此为基础建立起完整的全文检索引擎。Lucene.Net 是 .NET 版的Lucene。
你可以在这里下载到最新的Lucene.NET
- 创建索引、更新索引、删除索引
- 搜索,根据索引查找
- using System;
- using Lucene.Net.Store;
- using Lucene.Net.Index;
- using Lucene.Net.Analysis.PanGu;
- using Lucene.Net.Documents;
- namespace BLL
- {
- class IndexHelper
- {
- /// <summary>
- /// 日志小助手
- /// </summary>
- static Common.LogHelper logger = new Common.LogHelper(typeof(SearchBLL));
- /// <summary>
- /// 索引保存的位置,保存在配置文件中从配置文件读取
- /// </summary>
- static string indexPath = Common.ConfigurationHelper.AppSettingMapPath("IndexPath");
- /// <summary>
- /// 创建索引文件或更新索引文件
- /// </summary>
- /// <param name="item">索引信息</param>
- public static void CreateIndex(Model.HelperModel.IndexFileHelper item)
- {
- try
- {
- //索引存储库
- FSDirectory directory = FSDirectory.Open(new System.IO.DirectoryInfo(indexPath), new NativeFSLockFactory());
- //判断索引是否存在
- bool isUpdate = IndexReader.IndexExists(directory);
- if (isUpdate)
- {
- //如果索引目录被锁定(比如索引过程中程序异常退出),则首先解锁
- if (IndexWriter.IsLocked(directory))
- {
- //解锁索引库
- IndexWriter.Unlock(directory);
- }
- }
- //创建IndexWriter对象,添加索引
- IndexWriter writer = new IndexWriter(directory, new PanGuAnalyzer(), !isUpdate, Lucene.Net.Index.IndexWriter.MaxFieldLength.UNLIMITED);
- //获取新闻 title部分
- string title = item.FileTitle;
- //获取新闻主内容
- string body = item.FileContent;
- //为避免重复索引,所以先删除number=i的记录,再重新添加
- //尤其是更新的话,更是必须要先删除之前的索引
- writer.DeleteDocuments(new Term("id", item.FileName));
- //创建索引文件 Document
- Document document = new Document();
- //只有对需要全文检索的字段才ANALYZED
- //添加id字段
- document.Add(new Field("id", item.FileName, Field.Store.YES, Field.Index.NOT_ANALYZED));
- //添加title字段
- document.Add(new Field("title", title, Field.Store.YES, Field.Index.NOT_ANALYZED));
- //添加body字段
- document.Add(new Field("body", body, Field.Store.YES, Field.Index.ANALYZED, Lucene.Net.Documents.Field.TermVector.WITH_POSITIONS_OFFSETS));
- //添加url字段
- document.Add(new Field("url", item.FilePath, Field.Store.YES, Field.Index.NOT_ANALYZED));
- //写入索引库
- writer.AddDocument(document);
- //关闭资源
- writer.Close();
- //不要忘了Close,否则索引结果搜不到
- directory.Close();
- //记录日志
- logger.Debug(String.Format("索引{0}创建成功",item.FileName));
- }
- catch (SystemException ex)
- {
- //记录错误日志
- logger.Error(ex);
- throw;
- }
- catch (Exception ex)
- {
- //记录错误日志
- logger.Error(ex);
- throw;
- }
- }
- /// <summary>
- /// 根据id删除相应索引
- /// </summary>
- /// <param name="guid">要删除的索引id</param>
- public static void DeleteIndex(string guid)
- {
- try
- {
- ////索引存储库
- FSDirectory directory = FSDirectory.Open(new System.IO.DirectoryInfo(indexPath), new NativeFSLockFactory());
- //判断索引库是否存在索引
- bool isUpdate = IndexReader.IndexExists(directory);
- if (isUpdate)
- {
- //如果索引目录被锁定(比如索引过程中程序异常退出),则首先解锁
- if (IndexWriter.IsLocked(directory))
- {
- IndexWriter.Unlock(directory);
- }
- }
- IndexWriter writer = new IndexWriter(directory, new PanGuAnalyzer(), !isUpdate, Lucene.Net.Index.IndexWriter.MaxFieldLength.UNLIMITED);
- //删除索引文件
- writer.DeleteDocuments(new Term("id", guid));
- writer.Close();
- directory.Close();//不要忘了Close,否则索引结果搜不到
- logger.Debug(String.Format("删除索引{0}成功", guid));
- }
- catch (Exception ex)
- {
- //记录日志
- logger.Error(ex);
- //抛出异常
- throw;
- }
- }
- }
- }
IndexHelper 添加、更新、删除索引
- using Lucene.Net.Analysis;
- using Lucene.Net.Analysis.PanGu;
- using Lucene.Net.Documents;
- using Lucene.Net.Index;
- using Lucene.Net.Search;
- using Lucene.Net.Store;
- using Model.HelperModel;
- using System;
- using System.Collections.Generic;
- namespace BLL
- {
- public static class SearchBLL
- {
- //一个类中可能会有多处输出到日志,多处需要记录日志,常将logger做成static 静态变量
- /// <summary>
- /// 日志助手
- /// </summary>
- static Common.LogHelper logger = new Common.LogHelper(typeof(SearchBLL));
- /// <summary>
- /// 索引保存位置
- /// </summary>
- static string indexPath = Common.ConfigurationHelper.AppSettingMapPath("IndexPath");
- /// <summary>
- /// 搜索
- /// </summary>
- /// <param name="keywords">用户搜索的关键词</param>
- /// <returns>返回搜索的结果</returns>
- public static List<SearchResult> Search(string keywords)
- {
- try
- {
- //索引存储库
- FSDirectory directory = FSDirectory.Open(new System.IO.DirectoryInfo(indexPath), new NoLockFactory());
- //创建IndexReader对象
- IndexReader reader = IndexReader.Open(directory, true);
- //创建IndexSearcher对象
- IndexSearcher searcher = new IndexSearcher(reader);
- //新建PhraseQuery 查询对象
- PhraseQuery query = new PhraseQuery();
- //把用户输入的关键词进行拆词
- foreach (string word in SplitWord(keywords))
- {
- //添加搜索关键词
- query.Add(new Term("body", word));
- }
- //设置分词间距为100字之内
- query.SetSlop();
- TopScoreDocCollector collector = TopScoreDocCollector.create(, true);
- //根据查询条件查询结果
- searcher.Search(query, null, collector);
- //搜索到的ScoreDoc结果
- ScoreDoc[] docs = collector.TopDocs(, collector.GetTotalHits()).scoreDocs;
- //保存搜索结果的list
- List<SearchResult> listResult = new List<SearchResult>();
- for (int i = ; i < docs.Length; i++)
- {
- //取到文档的编号(主键,这个是Lucene .net分配的)
- //检索结果中只有文档的id,如果要取Document,则需要Doc再去取
- //降低内容占用
- int docId = docs[i].doc;
- //根据id找Document
- Document doc = searcher.Doc(docId);
- string number = doc.Get("id");
- string title = doc.Get("title");
- string body = doc.Get("body");
- string url = doc.Get("url");
- //建立一个搜索结果对象
- SearchResult result = new SearchResult();
- result.Number = number;
- result.Title = title;
- result.BodyPreview = Preview(body, keywords);
- result.Url = url;
- //添加到结果列表
- listResult.Add(result);
- }
- if (listResult.Count == )
- {
- return null;
- }
- else
- {
- return listResult;
- }
- }
- catch (SystemException ex)
- {
- logger.Error(ex);
- return null;
- }
- catch (Exception ex)
- {
- logger.Error(ex);
- return null;
- }
- }
- /// <summary>
- /// 获取内容预览
- /// </summary>
- /// <param name="body">内容</param>
- /// <param name="keyword">关键词</param>
- /// <returns></returns>
- private static string Preview(string body, string keyword)
- {
- //创建HTMLFormatter,参数为高亮单词的前后缀
- PanGu.HighLight.SimpleHTMLFormatter simpleHTMLFormatter = new PanGu.HighLight.SimpleHTMLFormatter("<font color=\"red\">", "</font>");
- //创建 Highlighter ,输入HTMLFormatter 和 盘古分词对象Semgent
- PanGu.HighLight.Highlighter highlighter = new PanGu.HighLight.Highlighter(simpleHTMLFormatter, new PanGu.Segment());
- //设置每个摘要段的字符数
- highlighter.FragmentSize = ;
- //获取最匹配的摘要段
- string bodyPreview = highlighter.GetBestFragment(keyword, body);
- return bodyPreview;
- }
- /// <summary>
- /// 盘古分词,对用户输入的搜索关键词进行分词
- /// </summary>
- /// <param name="str">用户输入的关键词</param>
- /// <returns>分词之后的结果组成的数组</returns>
- private static string[] SplitWord(string str)
- {
- List<string> list = new List<string>();
- Analyzer analyzer = new PanGuAnalyzer();
- TokenStream tokenStream = analyzer.TokenStream("", new System.IO.StringReader(str));
- Lucene.Net.Analysis.Token token = null;
- while ((token = tokenStream.Next()) != null)
- {
- list.Add(token.TermText());
- }
- return list.ToArray();
- }
- }
- }
Search 通过查找索引实现搜索
- namespace Model.HelperModel
- {
- public class SearchResult
- {
- public string Number { get; set; }
- public string Title { get; set; }
- public string BodyPreview { get; set; }
- public string Url { get; set; }
- }
- }
SearchResult 模型
- using System;
使用Lucene.NET实现简单的站内搜索的更多相关文章
- es简单打造站内搜索
最近挺忙的,在外出差,又同时干两个项目.白天一个晚上一个,特别是白天做的项目,马上就要上线了,在客户这里 三天两头开会,问题很多真的很想好好静下来怼代码,半夜做梦都能fix bugs~ 和客户交流真的 ...
- 基于lucene.net 和ICTCLAS2014的站内搜索的实现1
Lucene.net是一个搜索引擎的框架,它自身并不能实现搜索.须要我们自己在当中实现索引的建立,索引的查找.全部这些都是依据它自身提供的API来实现.Lucene.net本身是基于java的,可是经 ...
- Lucene.net站内搜索—4、搜索引擎第一版技术储备(简单介绍Log4Net、生产者消费者模式)
目录 Lucene.net站内搜索—1.SEO优化 Lucene.net站内搜索—2.Lucene.Net简介和分词Lucene.net站内搜索—3.最简单搜索引擎代码Lucene.net站内搜索—4 ...
- Lucene.net站内搜索—3、最简单搜索引擎代码
目录 Lucene.net站内搜索—1.SEO优化 Lucene.net站内搜索—2.Lucene.Net简介和分词Lucene.net站内搜索—3.最简单搜索引擎代码Lucene.net站内搜索—4 ...
- Lucene.net站内搜索—6、站内搜索第二版
目录 Lucene.net站内搜索—1.SEO优化 Lucene.net站内搜索—2.Lucene.Net简介和分词Lucene.net站内搜索—3.最简单搜索引擎代码Lucene.net站内搜索—4 ...
- Lucene.net站内搜索—5、搜索引擎第一版实现
目录 Lucene.net站内搜索—1.SEO优化 Lucene.net站内搜索—2.Lucene.Net简介和分词Lucene.net站内搜索—3.最简单搜索引擎代码Lucene.net站内搜索—4 ...
- Lucene.net站内搜索—2、Lucene.Net简介和分词
目录 Lucene.net站内搜索—1.SEO优化 Lucene.net站内搜索—2.Lucene.Net简介和分词Lucene.net站内搜索—3.最简单搜索引擎代码Lucene.net站内搜索—4 ...
- Lucene.net站内搜索—1、SEO优化
目录 Lucene.net站内搜索—1.SEO优化 Lucene.net站内搜索—2.Lucene.Net简介和分词Lucene.net站内搜索—3.最简单搜索引擎代码Lucene.net站内搜索—4 ...
- 站内搜索——Lucene +盘古分词
为了方便的学习站内搜索,下面我来演示一个MVC项目. 1.首先在项目中[添加引入]三个程序集和[Dict]文件夹,并新建一个[分词内容存放目录] Lucene.Net.dll.PanGu.dll.Pa ...
随机推荐
- <转载> 优秀程序员必备的23条好习惯
转自 优秀程序员必备的23条好习惯 编程是一项聪明人玩的游戏,它既是对智力的考验,也是对习惯的考验,智力的好坏取决于父母的基因,人们无从左右,但习惯的好坏却是可以不断培养.一项由美国芝加哥大学国家研究 ...
- 一个方法告诉你as3的removeChild性能有多烂
其实as3这个坑我早就踩过,不过那时没太注意,最近把项目的removeChild干掉换成了visible=false,发现效率质的提升…… 先贴一下代码吧 private function testR ...
- 用Jekyll在github上写博客——《搭建一个免费的,无限流量的Blog》的注脚
本来打算买域名,买空间,用wordpress写博客的.后来问了一个师兄,他说他是用github的空间,用Jekyll写博客,说很多人都这么做.于是我就研究了一下. 比较有价值的文章有这么几篇: htt ...
- Science上发表的超赞聚类算法
本博客已经迁往http://www.kemaswill.com/, 博客园这边也会继续更新, 欢迎关注~ 作者(Alex Rodriguez, Alessandro Laio)提出了一种很简洁优美的聚 ...
- .woff HTTP GET 404 (Not Found)
原因:IIS没有添加woff字体的MIME类型,导致HTTP请求404 Not Found错误 解决办法: 1.在web.config中配置 <system.webServer> < ...
- asp.net mvc 利用过滤器进行网站Meta设置
过去几年都是用asp.net webform进行开发东西,最近听说过时了,同时webform会产生ViewState(虽然我已经不用ruanat=server的控件好久了 :)),对企业应用无所谓,但 ...
- oracle 查询月份差
select to_char(add_months(trunc(sysdate),-1),'yyyymm') from dual;
- Lua面向对象设计
首先对于Lua语言,它没有打算被用来进行大型的程序设计,相反,Lua目标定于小型到中型的程序设计,通常是作为大型系统的一部分,所以它只提供了一套精简的元素,很多高级语言的概念都没有.这样Lua就成为了 ...
- nodejs+express中设置登录拦截器
在nodejs+express中,采用nodejs后端路由控制用户登录后,为了加强前端的安全性控制,阻止用户通过在浏览器地址栏中输入地址访问后台接口,在app.js中需要加入拦截器进行拦截: /*** ...
- jQuery+Ajax滚屏异步加载数据实现(附源码)
一.CSS样式 body { font:12px/1.0em Microsoft Yahei; line-height:1.6em; background:#fff; line-height:1.2e ...