本篇內(nèi)容介紹了“l(fā)ucene的全文檢索是什么”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠?qū)W有所成！

樺南網(wǎng)站制作公司哪家好，找創(chuàng)新互聯(lián)公司！從網(wǎng)頁設計、網(wǎng)站建設、微信開發(fā)、APP開發(fā)、成都響應式網(wǎng)站建設等網(wǎng)站項目制作，到程序開發(fā)，運營維護。創(chuàng)新互聯(lián)公司2013年開創(chuàng)至今到現(xiàn)在10年的時間，我們擁有了豐富的建站經(jīng)驗和運維經(jīng)驗，來保證我們的工作的順利進行。專注于網(wǎng)站建設就選創(chuàng)新互聯(lián)公司。

定義：Lucene 是一個高效的，基于 Java 的全文檢索庫。所以在了解 Lucene 之前要費一番工夫了解一下全文檢索。

那么什么叫做全文檢索呢？這要從我們生活中的數(shù)據(jù)說起。我們生活中的數(shù)據(jù)總體分為兩種：結(jié)構(gòu)化數(shù)據(jù) 和 非結(jié)構(gòu)化數(shù)據(jù)。

• 結(jié)構(gòu)化數(shù)據(jù): 指具有固定格式或有限長度的數(shù)據(jù)，如數(shù)據(jù)庫，元數(shù)據(jù)等。  

• 非結(jié)構(gòu)化數(shù)據(jù):指不定長或無固定格式的數(shù)據(jù)，如郵件， word 文檔等。

當然有的地方還會提到第三種，半結(jié)構(gòu)化數(shù)據(jù)，如 XML，HTML 等，當根據(jù)需要可按結(jié)構(gòu)化數(shù)據(jù)來處理，也可抽取出純文本按非結(jié)構(gòu)化數(shù)據(jù)來處理。非結(jié)構(gòu)化數(shù)據(jù)又一種叫法叫全文數(shù)據(jù)。按照數(shù)據(jù)的分類，搜索也分為兩種：

• 對結(jié)構(gòu)化數(shù)據(jù)的搜索：如對數(shù)據(jù)庫的搜索，用 SQL 語句。再如對元數(shù)據(jù)的搜索，如利用
  windows 搜索對文件名，類型，修改時間進行搜索等。

• 對非結(jié)構(gòu)化數(shù)據(jù)的搜索：如利用 windows 的搜索也可以搜索文件內(nèi)容，Linux 下的 grep
  命令，再如用 Google 和百度可以搜索大量內(nèi)容數(shù)據(jù)。

是對非結(jié)構(gòu)化數(shù)據(jù)也即對全文數(shù)據(jù)的搜索主要有兩種方法：

• 一種是 (Serial Scanning) 順序掃描法：所謂順序掃描，比如要找內(nèi)容包含某一個字符串的文件，就是一個文檔一個文檔的看，對于每一個文檔，從頭看到尾，如果此文檔包含此字符串，則此文檔為我們要找的文件，接著看下一個文件，直到掃描完所有的文件。如利用 windows的搜索也可以搜索文件內(nèi)容，只是相當?shù)穆Ｈ绻阌幸粋€ 80G 硬盤，如果想在上面找到一個內(nèi)容包含某字符串的文件，不花他幾個小時，怕是做不到。Linux 下的 grep 命令也是這

• 一種方式。大家可能覺得這種方法比較原始，但對于小數(shù)據(jù)量的文件，這種方法還是最直接，最方便的。但是對于大量的文件，這種方法就很慢了。有人可能會說，對非結(jié)構(gòu)化數(shù)據(jù)順序掃描很慢，對結(jié)構(gòu)化數(shù)據(jù)的搜索卻相對較快（由于結(jié)構(gòu)化數(shù)據(jù)有一定的結(jié)構(gòu)可以采取一定的搜索算法加快速度），那么把我們的非結(jié)構(gòu)化數(shù)據(jù)想辦法弄得有一定結(jié)構(gòu)不就行了嗎？這種想法很天然，卻構(gòu)成了全文檢索的基本思路，也即將非結(jié)構(gòu)化數(shù)據(jù)中的一部分信息提取出來，重新組織，使其變得一定結(jié)構(gòu)，然后對此有一定結(jié)構(gòu)的數(shù)據(jù)進行搜索，從而達到搜索相對較快的目的。這部分從非結(jié)構(gòu)化數(shù)據(jù)中提取出的然后重新組織的信息，我們稱之索引索引索引。這種說法比較抽象，舉幾個例子就很容易明白，比如字典，字典的拼音表和部首檢字表就相當于字典的索引，對每一個字的解釋是非結(jié)構(gòu)化的，如果字典沒有音節(jié)表和部首檢字表，在茫茫辭海中找一個字只能順序掃描。然而字的某些信息可以提取出來進行結(jié)構(gòu)化處理，比如讀音，就比較結(jié)構(gòu)化，分聲母和韻母，分別只有幾種可以一一列舉，于是將讀音拿出來按一定的順序排列，每一項讀音都指向此字的詳細解釋的頁數(shù)。我們搜索時按結(jié)構(gòu)化的拼音搜到讀音，然后按其指向的頁數(shù)，便可找到我們的非結(jié)構(gòu)化數(shù)據(jù)——也即對字的解釋。這種先建立索引，再對索引進行搜索的過程就叫全文檢索(Full-text Search)。下面這幅圖來自《Lucene in action》，但卻不僅僅描述了 Lucene 的檢索過程，而是描述了全文檢索的一般過程。

全文檢索大體分兩個過程，索引創(chuàng)建(Indexing)和搜索索引(Search)。
 索引創(chuàng)建：將現(xiàn)實世界中所有的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)提取信息，創(chuàng)建索引的過程。  
 搜索索引：就是得到用戶的查詢請求，搜索創(chuàng)建的索引，然后返回結(jié)果的過程。  
于是全文檢索就存在三個重要問題：

• 1.  索引里面究竟存些什么？(Index) 

• 2.  如何創(chuàng)建索引？(Indexing) 

• 3.  如何對索引進行搜索？(Search) 

“l(fā)ucene的全文檢索是什么”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關的知識可以關注創(chuàng)新互聯(lián)網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實用文章！

分享名稱：lucene的全文檢索是什么
分享URL：http://www.chinadenli.net/article6/gpohog.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供自適應網(wǎng)站、品牌網(wǎng)站制作、手機網(wǎng)站建設、網(wǎng)站維護、網(wǎng)站收錄、網(wǎng)站設計

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)