一、搜索流程详解

1. 先看一下Lucene的架构图

由图可知搜索的过程如下:

  用户输入搜索的关键字、对关键字进行分词、根据分词结果去索引库里面找到对应的文章id、根据文章id找到对应的文章

2. Lucene搜索API 图示

3. Lucene搜索代码示例

先在pom.xml里面引入查询分析器模块

<!--  lucene-queryparser 查询分析器模块 -->
<dependency>
<groupId>org.apache.lucene</groupId>
<artifactId>lucene-queryparser</artifactId>
<version>7.3.0</version>
</dependency>
package com.study.lucene.searchdetail;

import java.io.IOException;
import java.nio.file.Paths;
import java.text.ParseException; import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.index.DirectoryReader;
import org.apache.lucene.index.IndexReader;
import org.apache.lucene.queryparser.classic.QueryParser;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory; import com.study.lucene.ikanalyzer.Integrated.IKAnalyzer4Lucene7; /**
* @Description: lucene 搜索基本流程示例
* @author liguangsheng
* @date 2018年5月11日
*
*/ public class SearchBaseFlow { public static void main(String[] args)
throws IOException, ParseException, org.apache.lucene.queryparser.classic.ParseException {
// 使用的分词器
Analyzer analyzer = new IKAnalyzer4Lucene7(true);
// 索引存储目录
Directory directory = FSDirectory.open(Paths.get("f:/test/indextest"));
// 索引读取器
IndexReader indexReader = DirectoryReader.open(directory);
// 索引搜索器
IndexSearcher indexSearcher = new IndexSearcher(indexReader);
// 要搜索的字段
String filedName = "name";
// 查询生成器(解析输入生成Query查询对象)
QueryParser parser = new QueryParser(filedName, analyzer);
// 通过parse解析输入(分词),生成query对象
Query query = parser.parse("Thinkpad");
// 搜索,得到TopN的结果(结果中有命中总数,topN的scoreDocs(评分文档(文档id,评分)))
TopDocs topDocs = indexSearcher.search(query, 10); // 前10条 // 获得总命中数
System.out.println(topDocs.totalHits);
// 遍历topN结果的scoreDocs,取出文档id对应的文档信息
for (ScoreDoc sdoc : topDocs.scoreDocs) {
// 根据文档id取存储的文档
Document hitDoc = indexSearcher.doc(sdoc.doc);
// 取文档的字段
System.out.println(hitDoc.get(filedName));
} // 使用完毕,关闭、释放资源
indexReader.close();
directory.close();
}
}

示例代码的图解:

二、搜索核心API详解

1. IndexReader  索引读取器

Open一个读取器,读取的是该时刻点的索引视图。如果后续索引发生改变,需重新open一个读取器。获得索引读取器的方式:

DirectoryReader.open(IndexWriter indexWriter) 优先使用

DirectoryReader.open(Directory)

DirectoryReader.openIfChanged(DirectoryReader) 共享当前reader资源重新打开一个(当索引变化时)

IndexReader分为两类:

复合读取器,多个读取器的复合。只可直接用它获取stored fields 。在内部通过CompositeReader.getSequentialSubReaders 得到里面的叶子读取器来获取其他数据

叶子读取器:支持获取stored fields, doc values, terms(词项), and postings (词项对应的文档)

DirectoryReader 是 复合读取器

IndexReader 主要API

LeafReader 主要API:

2.  IndexSearcher 索引搜索器

应用通过调用它的search(Query,int)重载方法在一个IndexReader上实现搜索。出于性能的考虑,请使用一个IndexSearcher实例,除非索引发生变化。如索引更新了则通过DirectoryReader.openIfChanged(DirectoryReader)  取得新的读取器,再创建新的搜索器。

 IndexSearcher  索引搜索器   API

搜索 API:

获取文档 API:

TopDocs 搜索命中的结果集 (Top-N)

TopFieldDocs 按字段排序的搜索命中结果集

ScoreDoc

三、基本查询详解

Query  查询的表示,它的可实例化子类有

要掌握的基本查询

1、TermQuery  词项查询

  最基本、最常用的查询。用来查询指定字段包含指定词项的文档。

  TermQuery tq = new TermQuery(new Term(“name", “thinkpad"));

2、BooleanQuery  布尔查询

  搜索的条件往往是多个的,如要查询名称包含“电脑” 或 “thinkpad”的商品,就需要两个词项查询做或合并。布尔查询就是用来组合多个子查询的。每个子查询称为布尔字句 BooleanClause,布尔字句自身也可以是组合的。 组合关系支持如下四种:

Occur.SHOULD 或

Occur.MUST 且

Occur.MUST_NOT 且非

Occur.FILTER 同 MUST,但该字句不参与评分

布尔查询默认的最大字句数为1024,在将通配符查询这样的查询rewriter为布尔查询时,往往会产生很多的字句,可能抛出TooManyClauses 异常。可通过BooleanQuery.setMaxClauseCount(int)设置最大字句数。

// 布尔查询
Query query1 = new TermQuery(new Term(filedName, "thinkpad"));
Query query2 = new TermQuery(new Term("simpleIntro", "英特尔"));
BooleanQuery.Builder booleanQueryBuilder = new BooleanQuery.Builder();
booleanQueryBuilder.add(query1, Occur.SHOULD);
booleanQueryBuilder.add(query2, Occur.MUST);
BooleanQuery booleanQuery = booleanQueryBuilder.build(); // 可像下一行这样写
// BooleanQuery booleanQuery = new BooleanQuery.Builder()
// .add(query1, Occur.SHOULD).add(query2, Occur.MUST).build();

3、PhraseQuery  短语查询

  最常用的查询,匹配特定序列的多个词项。PhraserQuery使用一个位置移动因子(slop)来决定任意两个词项的位置可最大移动多少个位置来进行匹配,默认为0。有两种方式来构建对象:

注意:所有加入的词项都匹配才算匹配(即使是你在同一位置加入多个词项)。如果需要在同一位置匹配多个同义词中的一个,适合用MultiPhraseQuery

PhraseQuery phraseQuery1 = new PhraseQuery("name", "thinkpad",
"carbon"); PhraseQuery phraseQuery2 = new PhraseQuery(1, "name", "thinkpad",
"carbon"); PhraseQuery phraseQuery3 = new PhraseQuery("name", "笔记本电脑", "联想"); PhraseQuery phraseQuery4 = new PhraseQuery.Builder()
.add(new Term("name", "笔记本电脑"), 4)
.add(new Term("name", "联想"), 5).build();
// 这两句等同
PhraseQuery phraseQuery5 = new PhraseQuery.Builder()
.add(new Term("name", "笔记本电脑"), 0)
.add(new Term("name", "联想"), 1).build();

PhraseQuery  slop  移动因子说明:

String name = "ThinkPad X1 Carbon 20KH0009CD/25CD 超极本轻薄笔记本电脑联想";

A、如果想用  “thinkpad  carbon” 来匹配 name。因中间有 x1,则需要将thinkpad 向右移动1个位置。

B、如果想用  “carbon  thinkpad” 来匹配 name。因中间有 x1,则需要将carbon 向右移动3个位置。

// String name = "ThinkPad X1 Carbon 20KH0009CD/25CD 超极本轻薄笔记本电脑联想";

// PhraseQuery 短语查询
PhraseQuery phraseQuery2 = new PhraseQuery(1, "name", "thinkpad","carbon");
// slop示例
PhraseQuery phraseQuery2Slop = new PhraseQuery(3, "name", "carbon", "thinkpad");
PhraseQuery phraseQuery3 = new PhraseQuery("name", "笔记本电脑", "联想");
// slop示例
PhraseQuery phraseQuery3Slop = new PhraseQuery(2, "name", "联想","笔记本电脑");

4、MultiPhraseQuery 多重短语查询

短语查询的一种更通用的用法,支持同位置多个词的OR匹配。通过里面的Builder来构建MultiPhraseQuery:

// 4 MultiPhraseQuery 多重短语查询
Term[] terms = new Term[2];
terms[0] = new Term("name", "笔记本");
terms[1] = new Term("name", "笔记本电脑");
Term t = new Term("name", "联想");
MultiPhraseQuery multiPhraseQuery = new MultiPhraseQuery.Builder()
.add(terms).add(t).build(); // 对比 PhraseQuery在同位置加入多个词 ,同位置的多个词都需匹配,所以查不出。
PhraseQuery pquery = new PhraseQuery.Builder().add(terms[0], 0)
.add(terms[1], 0).add(t, 1).build();

前面4个查询的完整示例代码:

package com.study.lucene.searchdetail;

import java.io.IOException;
import java.nio.file.Paths; import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.index.DirectoryReader;
import org.apache.lucene.index.IndexReader;
import org.apache.lucene.index.Term;
import org.apache.lucene.queryparser.classic.ParseException;
import org.apache.lucene.search.BooleanClause.Occur;
import org.apache.lucene.search.BooleanQuery;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.MultiPhraseQuery;
import org.apache.lucene.search.PhraseQuery;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.TermQuery;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory; import com.study.lucene.ikanalyzer.Integrated.IKAnalyzer4Lucene7; /**
* @Description: 搜索查询示例
* @author liguangsheng
* @date 2018年5月12日
*
*/ public class SearchQueryDemo { public static void main(String[] args) throws IOException, ParseException {
// 使用的分词器
Analyzer analyzer = new IKAnalyzer4Lucene7(true);
// 索引存储目录
Directory directory = FSDirectory.open(Paths.get("f:/test/indextest"));
// 索引读取器
IndexReader indexReader = DirectoryReader.open(directory);
// 索引搜索器
IndexSearcher indexSearcher = new IndexSearcher(indexReader);
// 要搜索的字段
String filedName = "name"; // 1、词项查询
Query query1 = new TermQuery(new Term(filedName, "thinkpad"));
System.out.println("************** 词项查询 ******************");
doSearch(query1, indexSearcher); // 2、布尔查询
Query query2 = new TermQuery(new Term("simpleIntro", "英特尔"));
BooleanQuery.Builder booleanQueryBuilder = new BooleanQuery.Builder();
booleanQueryBuilder.add(query1, Occur.SHOULD);
booleanQueryBuilder.add(query2, Occur.MUST);
BooleanQuery booleanQuery = booleanQueryBuilder.build(); // 可像下一行这样写
// BooleanQuery booleanQuery = new BooleanQuery.Builder()
// .add(query1, Occur.SHOULD).add(query2, Occur.MUST).build(); System.out.println("************** 布尔查询 ******************");
doSearch(booleanQuery, indexSearcher); // 3、PhraseQuery 短语查询
// String name = "ThinkPad X1 Carbon 20KH0009CD/25CD 超极本轻薄笔记本电脑联想";
PhraseQuery phraseQuery1 = new PhraseQuery("name", "thinkpad", "carbon");
System.out.println("************** phrase 短语查询 ******************");
doSearch(phraseQuery1, indexSearcher); PhraseQuery phraseQuery2 = new PhraseQuery(1, "name", "thinkpad", "carbon");
System.out.println("************** phrase 短语查询 ******************");
doSearch(phraseQuery2, indexSearcher); // slop示例 3表示最大可以移动的位置,移动的过程中只要匹配短语carbon thinkpad即可
PhraseQuery phraseQuery2Slop = new PhraseQuery(3, "name", "carbon", "thinkpad");
System.out.println("********** phrase slop 短语查询 ***************");
doSearch(phraseQuery2Slop, indexSearcher); PhraseQuery phraseQuery3 = new PhraseQuery("name", "笔记本电脑", "联想");
System.out.println("************** phrase 短语查询 ******************");
doSearch(phraseQuery3, indexSearcher); // slop示例
PhraseQuery phraseQuery3Slop = new PhraseQuery(2, "name", "联想", "笔记本电脑");
System.out.println("************** phrase s 短语查询 ******************");
doSearch(phraseQuery3Slop, indexSearcher); PhraseQuery phraseQuery4 = new PhraseQuery.Builder().add(new Term("name", "笔记本电脑"), 4) // 4、5是这个词的位置,和 0、1等同
.add(new Term("name", "联想"), 5).build();
System.out.println("********** phrase Builder 1 短语查询 **************");
doSearch(phraseQuery4, indexSearcher); // 等同 phraseQuery4
PhraseQuery phraseQuery5 = new PhraseQuery.Builder().add(new Term("name", "笔记本电脑"), 0) // 4、5是这个词的位置,和 0、1等同
.add(new Term("name", "联想"), 1).build();
System.out.println("*********** phrase Builder 2 短语查询 ***********");
doSearch(phraseQuery5, indexSearcher); // 4 MultiPhraseQuery 多重短语查询
Term[] terms = new Term[2];
terms[0] = new Term("name", "笔记本");
terms[1] = new Term("name", "笔记本电脑");
Term t = new Term("name", "联想");
MultiPhraseQuery multiPhraseQuery = new MultiPhraseQuery.Builder().add(terms).add(t).build();
System.out.println("************** multiPhraseQuery 短语查询 ******************");
doSearch(multiPhraseQuery, indexSearcher); // 对比 PhraseQuery在同位置加入多个词 ,同位置的多个词都需匹配,所以查不出。
PhraseQuery pquery = new PhraseQuery.Builder().add(terms[0], 0).add(terms[1], 0).add(t, 1).build();
System.out.println("************** multiPhraseQuery 对比 PhraseQuery 短语查询 ******************");
doSearch(pquery, indexSearcher); // 使用完毕,关闭、释放资源
indexReader.close();
directory.close();
} private static void doSearch(Query query, IndexSearcher indexSearcher) throws IOException {
// 打印输出查询
System.out.println("query: " + query.toString()); // 搜索,得到TopN的结果(结果中有命中总数,topN的scoreDocs(评分文档(文档id,评分)))
TopDocs topDocs = indexSearcher.search(query, 10); // 前10条 System.out.println("**** 查询结果 ");
// 获得总命中数
System.out.println("总命中数:" + topDocs.totalHits);
// 遍历topN结果的scoreDocs,取出文档id对应的文档信息
for (ScoreDoc sdoc : topDocs.scoreDocs) {
// 根据文档id取存储的文档
Document hitDoc = indexSearcher.doc(sdoc.doc);
System.out.println("-------------- docId=" + sdoc.doc + ",score=" + sdoc.score);
// 取文档的字段
System.out.println("prodId:" + hitDoc.get("prodId"));
System.out.println("name:" + hitDoc.get("name"));
System.out.println("simpleIntro:" + hitDoc.get("simpleIntro"));
System.out.println("price:" + hitDoc.get("price")); System.out.println();
} }
}

5、SpanNearQuery  临近查询(跨度查询)

用于更复杂的短语查询,可以指定词间位置的最大间隔跨度。通过组合一系列的SpanQuery 实例来进行查询,可以指定是否按顺序匹配、slop、gap。

// SpanNearQuery 临近查询
SpanTermQuery tq1 = new SpanTermQuery(new Term("name", "thinkpad"));
SpanTermQuery tq2 = new SpanTermQuery(new Term("name", "carbon"));
SpanNearQuery spanNearQuery = new SpanNearQuery(
new SpanQuery[] { tq1, tq2 }, 1, true); // SpanNearQuery 临近查询 gap slop 使用
SpanNearQuery.Builder spanNearQueryBuilder = SpanNearQuery
.newOrderedNearQuery("name");
spanNearQueryBuilder.addClause(tq1).addGap(0).setSlop(1)
.addClause(tq2);
SpanNearQuery spanNearQuery5 = spanNearQueryBuilder.build();

完整代码示例

package com.study.lucene.searchdetail;

import java.io.IOException;
import java.nio.file.Paths; import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.index.DirectoryReader;
import org.apache.lucene.index.IndexReader;
import org.apache.lucene.index.Term;
import org.apache.lucene.queryparser.classic.ParseException;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.search.spans.SpanNearQuery;
import org.apache.lucene.search.spans.SpanQuery;
import org.apache.lucene.search.spans.SpanTermQuery;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory; import com.study.lucene.ikanalyzer.Integrated.IKAnalyzer4Lucene7; /**
* @Description: SpanNearQuery 临近查询(跨度查询)
* @author liguangsheng
* @date 2018年5月12日
*
*/
public class SpanNearQueryDemo { public static void main(String[] args) throws IOException, ParseException {
// 使用的分词器
Analyzer analyzer = new IKAnalyzer4Lucene7(true);
// 索引存储目录
Directory directory = FSDirectory.open(Paths.get("f:/test/indextest"));
// 索引读取器
IndexReader indexReader = DirectoryReader.open(directory);
// 索引搜索器
IndexSearcher indexSearcher = new IndexSearcher(indexReader); // String name = "ThinkPad X1 Carbon 20KH0009CD/25CD 超极本轻薄笔记本电脑联想"; // SpanNearQuery 临近查询
SpanTermQuery tq1 = new SpanTermQuery(new Term("name", "thinkpad"));
SpanTermQuery tq2 = new SpanTermQuery(new Term("name", "carbon"));
SpanNearQuery spanNearQuery = new SpanNearQuery(
new SpanQuery[] { tq1, tq2 }, 1, true); System.out.println("************** SpanNearQuery 临近查询 ************");
doSearch(spanNearQuery, indexSearcher); // 下面的例子词是反序的
SpanNearQuery spanNearQuery2 = new SpanNearQuery(
new SpanQuery[] { tq2, tq1 }, 1, true); System.out.println(
"************** SpanNearQuery 临近查询 2 1,true************");
doSearch(spanNearQuery2, indexSearcher); SpanNearQuery spanNearQuery3 = new SpanNearQuery(
new SpanQuery[] { tq2, tq1 }, 3, true); System.out.println(
"************** SpanNearQuery 临近查询 3 3, true************");
doSearch(spanNearQuery3, indexSearcher); SpanNearQuery spanNearQuery4 = new SpanNearQuery(
new SpanQuery[] { tq2, tq1 }, 3, false); System.out.println(
"************** SpanNearQuery 临近查询 4 3, false************");
doSearch(spanNearQuery4, indexSearcher); // SpanNearQuery 临近查询 gap slop 使用 1
SpanTermQuery ctq1 = new SpanTermQuery(new Term("name", "张三"));
SpanTermQuery ctq2 = new SpanTermQuery(new Term("name", "在理"));
SpanNearQuery.Builder spanNearQueryBuilder = SpanNearQuery
.newOrderedNearQuery("name");
spanNearQueryBuilder.addClause(ctq1).addGap(0).setSlop(2)
.addClause(ctq2); System.out.println("************** SpanNearQuery 临近查询 ************");
doSearch(spanNearQueryBuilder.build(), indexSearcher); // SpanNearQuery 临近查询 gap slop 使用 2
SpanNearQuery.Builder spanNearQueryBuilder2 = SpanNearQuery
.newOrderedNearQuery("name");
spanNearQueryBuilder2.addClause(ctq1).addGap(2).setSlop(0)
.addClause(ctq2); System.out.println("************** SpanNearQuery 临近查询 ************");
doSearch(spanNearQueryBuilder2.build(), indexSearcher); // SpanNearQuery 临近查询 gap slop 使用 3
SpanNearQuery.Builder spanNearQueryBuilder3 = SpanNearQuery
.newOrderedNearQuery("name");
spanNearQueryBuilder3.addClause(ctq1).addGap(1).setSlop(1)
.addClause(ctq2); System.out.println("************** SpanNearQuery 临近查询 ************");
doSearch(spanNearQueryBuilder3.build(), indexSearcher); // 使用完毕,关闭、释放资源
indexReader.close();
directory.close();
} private static void doSearch(Query query, IndexSearcher indexSearcher)
throws IOException {
// 打印输出查询
System.out.println("query: " + query.toString()); // 搜索,得到TopN的结果(结果中有命中总数,topN的scoreDocs(评分文档(文档id,评分)))
TopDocs topDocs = indexSearcher.search(query, 10); // 前10条 System.out.println("**** 查询结果 ");
// 获得总命中数
System.out.println("总命中数:" + topDocs.totalHits);
// 遍历topN结果的scoreDocs,取出文档id对应的文档信息
for (ScoreDoc sdoc : topDocs.scoreDocs) {
// 根据文档id取存储的文档
Document hitDoc = indexSearcher.doc(sdoc.doc);
System.out.println("-------------- docId=" + sdoc.doc + ",score="
+ sdoc.score);
// 取文档的字段
System.out.println("prodId:" + hitDoc.get("prodId"));
System.out.println("name:" + hitDoc.get("name"));
System.out.println("simpleIntro:" + hitDoc.get("simpleIntro"));
System.out.println("price:" + hitDoc.get("price")); System.out.println();
} }
}

6、TermRangeQuery 词项范围查询

用于查询包含某个范围内的词项的文档,如以字母开头a到c的词项。词项在反向索引中是排序的,只需指定的开始词项、结束词项,就可以查询该范围的词项。 如果是做数值的范围查询则用 PointRangeQuery 。

参数说明:

第1个参数:要查询的字段-field

第2个参数::下边界词-lowerTerm

第3个参数:上边界词-upperTerm

第4个参数:是否包含下边界-includeLower

第5个参数:是否包含上边界 includeUpper

// TermRangeQuery 词项范围查询
TermRangeQuery termRangeQuery = TermRangeQuery.newStringRange("name",
"carbon", "张三", false, true);

完整示例代码

package com.study.lucene.searchdetail;

import java.io.IOException;
import java.nio.file.Paths; import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.index.DirectoryReader;
import org.apache.lucene.index.IndexReader;
import org.apache.lucene.queryparser.classic.ParseException;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.TermRangeQuery;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory; import com.study.lucene.ikanalyzer.Integrated.IKAnalyzer4Lucene7; /**
* @Description: TermRangeQuery 词项范围查询
* @author liguangsheng
* @date 2018年5月12日
*
*/
public class TermRangeQueryDemo { /**
* lucene 搜索查询示例
*/
public static void main(String[] args) throws IOException, ParseException {
// 使用的分词器
Analyzer analyzer = new IKAnalyzer4Lucene7(true);
// 索引存储目录
Directory directory = FSDirectory.open(Paths.get("f:/test/indextest"));
// 索引读取器
IndexReader indexReader = DirectoryReader.open(directory);
// 索引搜索器
IndexSearcher indexSearcher = new IndexSearcher(indexReader); // String name = "ThinkPad X1 Carbon 20KH0009CD/25CD 超极本轻薄笔记本电脑联想"; // TermRangeQuery 词项范围查询
TermRangeQuery termRangeQuery = TermRangeQuery.newStringRange("name",
"carbon", "张三", false, true); System.out.println("********** TermRangeQuery 词项范围查询 ***********");
doSearch(termRangeQuery, indexSearcher); // 使用完毕,关闭、释放资源
indexReader.close();
directory.close();
} private static void doSearch(Query query, IndexSearcher indexSearcher)
throws IOException {
// 打印输出查询
System.out.println("query: " + query.toString()); // 搜索,得到TopN的结果(结果中有命中总数,topN的scoreDocs(评分文档(文档id,评分)))
TopDocs topDocs = indexSearcher.search(query, 10); // 前10条 System.out.println("**** 查询结果 ");
// 获得总命中数
System.out.println("总命中数:" + topDocs.totalHits);
// 遍历topN结果的scoreDocs,取出文档id对应的文档信息
for (ScoreDoc sdoc : topDocs.scoreDocs) {
// 根据文档id取存储的文档
Document hitDoc = indexSearcher.doc(sdoc.doc);
System.out.println("-------------- docId=" + sdoc.doc + ",score="
+ sdoc.score);
// 取文档的字段
System.out.println("prodId:" + hitDoc.get("prodId"));
System.out.println("name:" + hitDoc.get("name"));
System.out.println("simpleIntro:" + hitDoc.get("simpleIntro"));
System.out.println("price:" + hitDoc.get("price")); System.out.println();
} }
}

7、PrefixQuery, WildcardQuery, RegexpQuery

PrefixQuery:前缀查询,查询包含以xxx为前缀的词项的文档,是通配符查询,如 app,实际是 app*

// PrefixQuery 前缀查询
PrefixQuery prefixQuery = new PrefixQuery(new Term("name", "think"));

WildcardQuery:通配符查询, *表示0个或多个字符,?表示1个字符,\是转义符。通配符查询可能会比较慢,不可以通配符开头(那样就是所有词项了)

// WildcardQuery 通配符查询
WildcardQuery wildcardQuery = new WildcardQuery(
new Term("name", "think*"));

RegexpQuery:正则表达式查询,词项符合某正则表达式

// RegexpQuery 正则表达式查询
RegexpQuery regexpQuery = new RegexpQuery(new Term("name", "厉害.{4}"));

注意:这三种查询可能会比较慢,使用时谨慎

8、FuzzyQuery 模糊查询

简单地与索引词项进行相近匹配,允许最大2个不同字符。常用于拼写错误的容错:如把 “thinkpad” 拼成 “thinkppd”或 “thinkd”,使用FuzzyQuery 仍可搜索到正确的结果。

// FuzzyQuery 模糊查询
FuzzyQuery fuzzyQuery = new FuzzyQuery(new Term("name", "thind")); FuzzyQuery fuzzyQuery2 = new FuzzyQuery(new Term("name", "thinkd"), 2); FuzzyQuery fuzzyQuery3 = new FuzzyQuery(new Term("name", "thinkpaddd")); FuzzyQuery fuzzyQuery4 = new FuzzyQuery(new Term("name", "thinkdaddd"));

7和8对应查询的完整示例代码

package com.study.lucene.searchdetail;

import java.io.IOException;
import java.nio.file.Paths; import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.index.DirectoryReader;
import org.apache.lucene.index.IndexReader;
import org.apache.lucene.index.Term;
import org.apache.lucene.queryparser.classic.ParseException;
import org.apache.lucene.search.FuzzyQuery;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.PrefixQuery;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.RegexpQuery;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.search.WildcardQuery;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory; import com.study.lucene.ikanalyzer.Integrated.IKAnalyzer4Lucene7; /**
* @Description: PrefixQuery前缀查询/WildcardQuery通配符查询/RegexpQuery正则表达式查询/FuzzyQuery模糊查询
* @author liguangsheng
* @date 2018年5月12日
*
*/
public class PrefixWildcardRegexpFuzzyQueryDemo { public static void main(String[] args) throws IOException, ParseException {
// 使用的分词器
Analyzer analyzer = new IKAnalyzer4Lucene7(true);
// 索引存储目录
Directory directory = FSDirectory.open(Paths.get("f:/test/indextest"));
// 索引读取器
IndexReader indexReader = DirectoryReader.open(directory);
// 索引搜索器
IndexSearcher indexSearcher = new IndexSearcher(indexReader); // String name = "ThinkPad X1 Carbon 20KH0009CD/25CD 超极本轻薄笔记本电脑联想"; // PrefixQuery 前缀查询
PrefixQuery prefixQuery = new PrefixQuery(new Term("name", "think"));
System.out.println("********** PrefixQuery 前缀查询 ***********");
doSearch(prefixQuery, indexSearcher); // WildcardQuery 通配符查询
WildcardQuery wildcardQuery = new WildcardQuery(
new Term("name", "think*")); System.out.println("********** WildcardQuery 通配符 ***********");
doSearch(wildcardQuery, indexSearcher); // WildcardQuery 通配符查询
WildcardQuery wildcardQuery2 = new WildcardQuery(
new Term("name", "厉害了???"));
System.out.println("********** WildcardQuery 通配符 ***********");
doSearch(wildcardQuery2, indexSearcher); // RegexpQuery 正则表达式查询
RegexpQuery regexpQuery = new RegexpQuery(new Term("name", "厉害.{4}"));
System.out.println("**********RegexpQuery 正则表达式查询***********");
doSearch(regexpQuery, indexSearcher); // FuzzyQuery 模糊查询
FuzzyQuery fuzzyQuery = new FuzzyQuery(new Term("name", "thind"));
System.out.println("**********FuzzyQuery 模糊查询***********");
doSearch(fuzzyQuery, indexSearcher); // FuzzyQuery 模糊查询
FuzzyQuery fuzzyQuery2 = new FuzzyQuery(new Term("name", "thinkd"), 2);
System.out.println("**********FuzzyQuery 模糊查询***********");
doSearch(fuzzyQuery2, indexSearcher); // FuzzyQuery 模糊查询
FuzzyQuery fuzzyQuery3 = new FuzzyQuery(new Term("name", "thinkpaddd"));
System.out.println("**********FuzzyQuery 模糊查询***********");
doSearch(fuzzyQuery3, indexSearcher); // FuzzyQuery 模糊查询
FuzzyQuery fuzzyQuery4 = new FuzzyQuery(new Term("name", "thinkdaddd"));
System.out.println("**********FuzzyQuery 模糊查询***********");
doSearch(fuzzyQuery4, indexSearcher); // 使用完毕,关闭、释放资源
indexReader.close();
directory.close();
} private static void doSearch(Query query, IndexSearcher indexSearcher)
throws IOException {
// 打印输出查询
System.out.println("query: " + query.toString()); // 搜索,得到TopN的结果(结果中有命中总数,topN的scoreDocs(评分文档(文档id,评分)))
TopDocs topDocs = indexSearcher.search(query, 10); // 前10条 System.out.println("**** 查询结果 ");
// 获得总命中数
System.out.println("总命中数:" + topDocs.totalHits);
// 遍历topN结果的scoreDocs,取出文档id对应的文档信息
for (ScoreDoc sdoc : topDocs.scoreDocs) {
// 根据文档id取存储的文档
Document hitDoc = indexSearcher.doc(sdoc.doc);
System.out.println("-------------- docId=" + sdoc.doc + ",score="
+ sdoc.score);
// 取文档的字段
System.out.println("prodId:" + hitDoc.get("prodId"));
System.out.println("name:" + hitDoc.get("name"));
System.out.println("simpleIntro:" + hitDoc.get("simpleIntro"));
System.out.println("price:" + hitDoc.get("price")); System.out.println();
} }
}

9、数值查询

前提:查询的数值字段必须索引。通过 IntPoint, LongPoint, FloatPoint, or DoublePoint 中的方法构建对应的查询。以IntPoint为例:

// 精确值查询
Query exactQuery = IntPoint.newExactQuery("price", 1999900); // 数值范围查询
Query pointRangeQuery = IntPoint.newRangeQuery("price", 499900,1000000); // 集合查询
Query setQuery = IntPoint.newSetQuery("price", 1999900, 1000000,2000000);

完整示例代码

package com.study.lucene.searchdetail;

import java.io.IOException;
import java.nio.file.Paths; import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.IntPoint;
import org.apache.lucene.index.DirectoryReader;
import org.apache.lucene.index.IndexReader;
import org.apache.lucene.queryparser.classic.ParseException;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory; import com.study.lucene.ikanalyzer.Integrated.IKAnalyzer4Lucene7; /**
* @Description: 数值查询
* @author liguangsheng
* @date 2018年5月12日
*
*/
public class PointQueryDemo {
public static void main(String[] args) throws IOException, ParseException {
// 使用的分词器
Analyzer analyzer = new IKAnalyzer4Lucene7(true);
// 索引存储目录
Directory directory = FSDirectory.open(Paths.get("f:/test/indextest"));
// 索引读取器
IndexReader indexReader = DirectoryReader.open(directory);
// 索引搜索器
IndexSearcher indexSearcher = new IndexSearcher(indexReader); // 精确值查询
Query exactQuery = IntPoint.newExactQuery("price", 1999900);
System.out.println("********** pointRangeQuery 数值精确查询 ***********");
doSearch(exactQuery, indexSearcher); // PointRangeQuery 数值范围查询
Query pointRangeQuery = IntPoint.newRangeQuery("price", 499900,
1000000);
System.out.println("********** pointRangeQuery 数值范围查询 ***********");
doSearch(pointRangeQuery, indexSearcher); // 集合查询
Query setQuery = IntPoint.newSetQuery("price", 1999900, 1000000,
2000000);
System.out.println("********** pointRangeQuery 数值集合查询 ***********");
doSearch(setQuery, indexSearcher); // 使用完毕,关闭、释放资源
indexReader.close();
directory.close();
} private static void doSearch(Query query, IndexSearcher indexSearcher)
throws IOException {
// 打印输出查询
System.out.println("query: " + query.toString()); // 搜索,得到TopN的结果(结果中有命中总数,topN的scoreDocs(评分文档(文档id,评分)))
TopDocs topDocs = indexSearcher.search(query, 10); // 前10条 System.out.println("**** 查询结果 ");
// 获得总命中数
System.out.println("总命中数:" + topDocs.totalHits);
// 遍历topN结果的scoreDocs,取出文档id对应的文档信息
for (ScoreDoc sdoc : topDocs.scoreDocs) {
// 根据文档id取存储的文档
Document hitDoc = indexSearcher.doc(sdoc.doc);
System.out.println("-------------- docId=" + sdoc.doc + ",score="
+ sdoc.score);
// 取文档的字段
System.out.println("prodId:" + hitDoc.get("prodId"));
System.out.println("name:" + hitDoc.get("name"));
System.out.println("simpleIntro:" + hitDoc.get("simpleIntro"));
System.out.println("price:" + hitDoc.get("price")); System.out.println();
} }
}

总结:不同的查询需求只是不同字段的不同基本查询的组合

三、QueryParser详解

QueryParser 查询解析生成器

Lucene QueryPaser包中提供了两类查询解析器:

A. 传统的解析器:QueryParser和MultiFieldQueryParser

B. 基于新的 flexible 框架的解析器:StandardQueryParser

1. 用法

用法1 传统解析器-单默认字段 QueryParser:

QueryParser parser = new QueryParser("defaultFiled", analyzer);
//parser.setPhraseSlop(2);
Query query = parser.parse("query String");

 用法2  传统解析器-多默认字段  MultiFieldQueryParser:

// 传统查询解析器-多默认字段
String[] multiDefaultFields = { "name", "type", "simpleIntro" };
MultiFieldQueryParser multiFieldQueryParser = new MultiFieldQueryParser(
multiDefaultFields, analyzer);
// 设置默认的组合操作,默认是 OR
multiFieldQueryParser.setDefaultOperator(Operator.OR);
Query query4 = multiFieldQueryParser.parse("笔记本电脑 AND price:1999900");

 用法3  新解析框架的标准解析器:StandardQueryParser:

StandardQueryParser queryParserHelper = new StandardQueryParser(analyzer);
// 设置默认字段
// queryParserHelper.setMultiFields(CharSequence[] fields);
// queryParserHelper.setPhraseSlop(8);
// Query query = queryParserHelper.parse("a AND b", "defaultField");
Query query5 = queryParserHelper.parse(
"(\"联想笔记本电脑\" OR simpleIntro:英特尔) AND type:电脑 AND price:1999900","name");

以上3种用法的完整示例代码:

package com.study.lucene.searchdetail;

import java.io.IOException;
import java.nio.file.Paths; import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.IntPoint;
import org.apache.lucene.index.DirectoryReader;
import org.apache.lucene.index.IndexReader;
import org.apache.lucene.queryparser.classic.MultiFieldQueryParser;
import org.apache.lucene.queryparser.classic.ParseException;
import org.apache.lucene.queryparser.classic.QueryParser;
import org.apache.lucene.queryparser.classic.QueryParser.Operator;
import org.apache.lucene.queryparser.flexible.core.QueryNodeException;
import org.apache.lucene.queryparser.flexible.standard.StandardQueryParser;
import org.apache.lucene.search.BooleanClause.Occur;
import org.apache.lucene.search.BooleanQuery;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory; import com.study.lucene.ikanalyzer.Integrated.IKAnalyzer4Lucene7; /**
* @Description: QueryParser示例,查询解析器会对输入的查询短语进行分词
* @author liguangsheng
* @date 2018年5月12日
*
*/ public class QueryParserDemo { public static void main(String[] args)
throws IOException, ParseException, QueryNodeException {
// 使用的分词器
Analyzer analyzer = new IKAnalyzer4Lucene7(true);
// 索引存储目录
Directory directory = FSDirectory.open(Paths.get("f:/test/indextest"));
// 索引读取器
IndexReader indexReader = DirectoryReader.open(directory);
// 索引搜索器
IndexSearcher indexSearcher = new IndexSearcher(indexReader); /**
* 用法1 传统解析器-单默认字段 QueryParser:
*/
// 要搜索的默认字段
String defaultFiledName = "name";
// 查询生成器(解析输入生成Query查询对象)
QueryParser parser = new QueryParser(defaultFiledName, analyzer);
// parser.setPhraseSlop(2);
// 通过parse解析输入,生成query对象
Query query1 = parser.parse(
"(name:\"联想笔记本电脑\" OR simpleIntro:英特尔) AND type:电脑 AND price:999900");
// 等同query1,如果没有指明要搜索的字段则使用默认值name
Query query2 = parser.parse(
"(\"联想笔记本电脑\" OR simpleIntro:英特尔) AND type:电脑 AND price:999900"); System.out.println("************** query1 ************");
doSearch(query1, indexSearcher); System.out.println("************** query2 ************");
doSearch(query2, indexSearcher); Query query3 = parser.parse(
"(\"联想笔记本电脑\" OR simpleIntro:英特尔) AND type:电脑 AND price:[800000 TO 1000000]"); System.out.println("************** query3 ************");
doSearch(query3, indexSearcher); // 为什么query3查不出结果??? 该如何改
BooleanQuery bquery = new BooleanQuery.Builder()
.add(parser
.parse("(\"联想笔记本电脑\" OR simpleIntro:英特尔) AND type:电脑 "),
Occur.MUST)
.add(IntPoint.newRangeQuery("price", 800000, 1000000),
Occur.MUST)
.build(); System.out.println("************** bquery ************");
doSearch(bquery, indexSearcher); /**
* 用法2 传统解析器-多默认字段 MultiFieldQueryParser:
*/
String[] multiDefaultFields = { "name", "type", "simpleIntro" };
MultiFieldQueryParser multiFieldQueryParser = new MultiFieldQueryParser(
multiDefaultFields, analyzer);
// 设置默认的操作
multiFieldQueryParser.setDefaultOperator(Operator.OR);
Query query4 = multiFieldQueryParser.parse("笔记本电脑 AND price:1999900"); System.out.println("************** query4 ************");
doSearch(query4, indexSearcher); /**
* 用法3 新解析框架的标准解析器:StandardQueryParser:
*/
StandardQueryParser queryParserHelper = new StandardQueryParser(
analyzer);
// 设置默认字段
// queryParserHelper.setMultiFields(CharSequence[] fields);
// queryParserHelper.setPhraseSlop(8);
// Query query = queryParserHelper.parse("a AND b", "defaultField");
Query query5 = queryParserHelper.parse(
"(\"联想笔记本电脑\" OR simpleIntro:英特尔) AND type:电脑 AND price:1999900",
"name"); System.out.println("************** query5 ************");
doSearch(query5, indexSearcher); // 使用完毕,关闭、释放资源
indexReader.close();
directory.close();
} private static void doSearch(Query query, IndexSearcher indexSearcher)
throws IOException {
// 打印输出查询
System.out.println("query: " + query.toString()); // 搜索,得到TopN的结果(结果中有命中总数,topN的scoreDocs(评分文档(文档id,评分)))
TopDocs topDocs = indexSearcher.search(query, 10); // 前10条 System.out.println("**** 查询结果 ");
// 获得总命中数
System.out.println("总命中数:" + topDocs.totalHits);
// 遍历topN结果的scoreDocs,取出文档id对应的文档信息
for (ScoreDoc sdoc : topDocs.scoreDocs) {
// 根据文档id取存储的文档
Document hitDoc = indexSearcher.doc(sdoc.doc);
System.out.println("-------------- docId=" + sdoc.doc + ",score="
+ sdoc.score);
// 取文档的字段
System.out.println("prodId:" + hitDoc.get("prodId"));
System.out.println("name:" + hitDoc.get("name"));
System.out.println("simpleIntro:" + hitDoc.get("simpleIntro"));
System.out.println("price:" + hitDoc.get("price")); System.out.println();
} }
}

2. 使用查询解析器前需考虑三点

1. 查询字符串应是由人输入的,而不应是你编程产生。如果你为了用查询解析器,而在你的应用中编程产生查询字符串,不可取,更应该直接使用基本查询API;

2. 未分词的字段,应直接使用基本查询API加入到查询中,而不应使用查询解析器;

3. 对于普通文本字段,使用查询解析器,而其他值字段:如 时间、数值,则应使用基本查询API

3. 查询描述规则语法(查询解析语法)

3.1 Term 词项:

  单个词项的表示:     电脑

  短语的表示: "联想笔记本电脑"

3.2 Field 字段:

字段名:

  示例: name:“联想笔记本电脑” AND type:电脑

  如果name是默认字段,则可写成: “联想笔记本电脑” AND type:电脑

  如果查询串是:type:电脑 计算机 手机,只有第一个是type的值,后两个则是使用默认字段,翻译为type:动脑 OR name:计算机 OR name:手机

3.3 Term Modifiers 词项修饰符:

通配符:

? 单个字符

* 0个或多个字符

示例:te?t test* te*t

注意:通配符不可用在开头。

模糊查询,词后加 ~

示例: roam~

模糊查询最大支持两个不同字符。

示例: roam~1

正则表达式: /xxxx/

示例: /[mb]oat/

临近查询,短语后加 ~移动值

示例: "jakarta apache"~10

 范围查询:

mod_date:[20020101 TO 20030101]       包含边界值

title:{Aida TO Carmen} 不包含边界值

词项加权:

使该词项的相关性更高,通过 ^数值来指定加权因子,默认加权因子值是1

示例:如要搜索包含 jakarta apache 的文章,jakarta更相关,则:

jakarta^4 apache

短语也可以: "jakarta apache"^4 "Apache Lucene"

3.4  Boolean 操作符

Lucene支持的布尔操作: AND, “+”, OR, NOT ,"-"

AND:

"jakarta apache" AND "Apache Lucene"

+ 必须包含:

+jakarta lucene

OR:

"jakarta apache" jakarta = "jakarta apache" OR jakarta

NOT 非:

"jakarta apache" NOT "Apache Lucene“

注意:NOT不可单项使用: NOT “Apache Lucene“ 是不对的

- 同NOT:

"jakarta apache" -"Apache Lucene“

3.5 组合 ()

字句组合:

(jakarta OR apache) AND website

字段组合:

title:(+return +"pink panther")

3.6  转义 \

对语法字符: + - && || ! ( ) { } [ ] ^ “ ~ * ? : \ /     进行转义。

如要查询包含 (1+1):2需要转义为\(1\+1\)\:2

源码获取地址:

https://github.com/leeSmall/SearchEngineDemo

Lucene系列六:Lucene搜索详解(Lucene搜索流程详解、搜索核心API详解、基本查询详解、QueryParser详解)的更多相关文章

  1. [lucene系列笔记3]用socket把lucene做成一个web服务

    上一篇介绍了用lucene建立索引和搜索,但是那些都只是在本机上运行的,如果希望在服务器上做成web服务该怎么办呢? 一个有效的方法就是用socket通信,这样可以实现后端与前端的独立,也就是不管前端 ...

  2. Lucene系列五:Lucene索引详解(IndexWriter详解、Document详解、索引更新)

    一.IndexWriter详解 问题1:索引创建过程完成什么事? 分词.存储到反向索引中 1. 回顾Lucene架构图: 介绍我们编写的应用程序要完成数据的收集,再将数据以document的形式用lu ...

  3. Lucene系列三:Lucene分词器详解、实现自己的一个分词器

    一.Lucene分词器详解 1. Lucene-分词器API (1)org.apache.lucene.analysi.Analyzer 分析器,分词器组件的核心API,它的职责:构建真正对文本进行分 ...

  4. Solr系列六:solr搜索详解优化查询结果(分面搜索、搜索结果高亮、查询建议、折叠展开结果、结果分组、其他搜索特性介绍)

    一.分面搜索 1. 什么是分面搜索? 分面搜索:在搜索结果的基础上进行按指定维度的统计,以展示搜索结果的另一面信息.类似于SQL语句的group by 分面搜索的示例: http://localhos ...

  5. Lucene系列-搜索

    Lucene搜索的时候就要构造查询语句,本篇就介绍下各种Query.IndexSearcher是搜索主类,提供的常用查询接口有: TopDocs search(Query query, int n); ...

  6. Lucene系列二:Lucene(Lucene介绍、Lucene架构、Lucene集成)

    一.Lucene介绍 1. Lucene简介 最受欢迎的java开源全文搜索引擎开发工具包.提供了完整的查询引擎和索引引擎,部分文本分词引擎(英文与德文两种西方语言).Lucene的目的是为软件开发人 ...

  7. Lucene系列一:搜索引擎核心理论

    一.为什么需要搜索引擎 问题1:数据库索引的原理是怎样的? 索引原理:对列值创建排序存储,数据结构={列值.行地址}.在有序数据列表中就可以利用二分查找快速找到要查找的行的地址,再根据地址直接取行数据 ...

  8. Lucene系列-索引文件

    本文介绍下lucene生成的索引有哪些文件组成,每个文件包含了什么信息.基于Lucene 4.10.0. 数据结构 索引(index)包含了存储的文档(document)正排.倒排信息,用于文本搜索. ...

  9. Lucene系列-分析器

    分析器介绍 搜索的基础是对文本信息进行分析,Lucene的分析工具在org.apache.lucene.analysis包中.分析器负责对文本进行分词.语言处理得到词条,建索引和搜索的时候都需要用到分 ...

随机推荐

  1. [Windows Azure]The Autoscaling Application Block

    The Autoscaling Application Block             5 out of 6 rated this helpful - Rate this topic        ...

  2. 【转】cocos2d-x动画加速与减速

    移步原帖传送门:cocos2d-x动画加速与减速 动画是游戏的必然要素之一,在整个游戏过程中,又有着加速.减速动画的需求.以塔防为例子,布塔的时候希望能够将游戏减速,布好塔后,则希望能将游戏加速:当某 ...

  3. 【Android】Handler详解

    Handler的定义 主要接受子线程发送的数据, 并用此数据配合主线程更新UI. 解释: 当应用程序启动时,Android首先会开启一个主线程 (也就是UI线程) , 主线程为管理界面中的UI控件,进 ...

  4. Python 连接数据库 mysql

    python 连接 数据库 import pymysql db = pymysql.connect(host='127.0.0.1',port=3306,user='root',password='r ...

  5. JAVA-JSP内置对象之移除属性

    相关资料:<21天学通Java Web开发> 移除属性1.只需调用相应对象的removeAttribute()方法就可以移除指定属性 RemoveAttributeDemo.jsp < ...

  6. golang前后端jwt对接

    0x0 什么是jwt JWT是JSON Web Token的缩写,可以用作授权认证.传统的授权认证一般采用session,由于session存储在服务端,加大了服务端的计算量, 而且多台服务器之间存在 ...

  7. IBatis批量插入数据

    IBatis插入注意,数据量比较多的花,需要分批插入,策略是dao里面控制插入批次,mapper里面批量插入即可 @Override public Long insertBatch(List<W ...

  8. Tomcat配置JMX远程监控(Windown7 Linxu)

    一:Window7下配置方式. 1.配置catalina.bat 在第一行加入下面配置 注意下面这些配置要在一行,注意包含空格. set JAVA_OPTS=-Dcom.sun.management. ...

  9. tar包解压后用户名改变

    最近开发项目时在PC上wang用户及组下打包的tar包解压到嵌入式设备root用户下,文件目录及文件用户名改为dbus和dbus组,导致cron等应用异常. 出现此问题时可以通过修改相应文件(件)的用 ...

  10. [开发笔记]-C#判断文件类型

    判断文件真实的类型,不是通过扩展名来判断: /// <summary> /// 判断文件格式 /// http://www.cnblogs.com/babycool /// </su ...