Lucene

一. 什么是全文检索

1. 数据分类
   咱们生活中的数据整体分为两种：结构化数据和非结构化数据。
   结构化数据：指具备固定格式或有限长度的数据，如数据库，元数据等。
   非结构化数据：指不定长或无固定格式的数据，如邮件，word文档等磁盘上的文件

2. 结构化数据搜索
   常见的结构化数据也就是数据库中的数据。在数据库中搜索很容易实现，一般都是使用sql语句进行查询，并且能很快的获得查询结果。
   为何数据库搜索很容易？由于数据库中的数据存储是有规律的，有行有列并且数据格式、数据长度都是固定的。

3. 非结构化数据查询方法

   • 顺序扫描法(Serial Scanning)
     所谓顺序扫描，好比要找内容包含某一个字符串的文件，就是一个文档一个文档的看，对于每个文档，从头看到尾，若是此文档包含此字符串，则此文档为咱们要找的文件，接着看下一个文件，直到扫描完全部的文件。如利用windows的搜索也能够搜索文件内容，只是至关的慢。

   • 全文检索(Full-text Search)
     将非结构化数据中的一部分信息提取出来，从新组织，使其变得有必定结构，而后对此有必定结构的数据进行搜索，从而达到搜索相对较快的目的。这部分从非结构化数据中提取出的而后从新组织的信息，咱们称之索引。

   这种先创建索引，再对索引进行搜索的过程就叫全文检索(Full-text Search)。

4. 如何实现全文检索
   可使用Lucene实现全文检索。Lucene是apache下的一个开放源代码的全文检索引擎工具包。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。

5. 全文检索的应用场景
   对于数据量大、数据结构不固定的数据可采用全文检索方式搜索，好比百度、Google等搜索引擎、论坛站内搜索、电商网站站内搜索等。

二. Lucene实现全文检索的流程

1. 索引和搜索流程图
   

   • 绿色表示索引过程，对要搜索的原始内容进行索引构建一个索引库，索引过程包括：肯定原始内容即要搜索的内容采集文档建立文档分析文档索引文档

   • 红色表示搜索过程，从索引库中搜索内容，搜索过程包括：用户经过搜索界面建立查询执行搜索，从索引库搜索渲染搜索结果

2. 建立索引
   对文档索引的过程，将用户要搜索的文档内容进行索引，索引存储在索引库（index）中。
   这里咱们要搜索的文档是磁盘上的文本文件，根据案例描述：凡是文件名或文件内容包括关键字的文件都要找出来，这里要对文件名和文件内容建立索引。

3. 得到原始文档：是指要索引和搜索的内容。原始内容包括互联网上的网页、数据库中的数据、磁盘上的文件等。

4. 建立文档对象
   获取原始内容的目的是为了索引，在索引前须要将原始内容建立成文档（Document），文档中包括一个一个的域（Field），域中存储内容。
   这里咱们能够将磁盘上的一个文件当成一个document，Document中包括一些Field（file_name文件名称、file_path文件路径、file_size文件大小、file_content文件内容）。
   
   注意：每一个Document能够有多个Field，不一样的Document能够有不一样的Field，同一个Document能够有相同的Field（域名和域值都相同）
   每一个文档都有一个惟一的编号，就是文档id

5. 分析文档
   将原始内容建立为包含域（Field）的文档（document），须要再对域中的内容进行分析，分析的过程是通过对原始文档提取单词、将字母转为小写、去除标点符号、去除停用词等过程生成最终的语汇单元，能够将语汇单元理解为一个一个的单词。

   好比下边的文档通过分析以下：
   原文档内容：
   Lucene is a Java full-text search engine. Lucene is not a complete
   application, but rather a code library and API that can easily be used
   to add search capabilities to applications.

   分析后获得的语汇单元：
   lucene、java、full、search、engine。。。。

   每一个单词叫作一个Term，不一样的域中拆分出来的相同的单词是不一样的term。term中包含两部分一部分是文档的域名，另外一部分是单词的内容。
   例如：文件名中包含apache和文件内容中包含的apache是不一样的term。

6. 查询索引
   查询索引也是搜索的过程。搜索就是用户输入关键字，从索引（index）中进行搜索的过程。根据关键字搜索索引，根据索引找到对应的文档，从而找到要搜索的内容（这里指磁盘上的文件）

三. 外连接

1. 有序列表项 一
2. 有序列表项 二
3. 有序列表项 三
4. 有序列表项 一
5. 有序列表项 二
6. 有序列表项 三
7. 有序列表项 一
8. 有序列表项 二
9. 有序列表项 三
10. 有序列表项 三

四. 无序列表

1. 有序列表项 一
2. 有序列表项 二
3. 有序列表项 三
4. 有序列表项 一
5. 有序列表项 二
6. 有序列表项 三
7. 有序列表项 一
8. 有序列表项 二
9. 有序列表项 三
10. 有序列表项 三

五. 有序列表

1. 有序列表项 一
2. 有序列表项 二
3. 有序列表项 三
4. 有序列表项 一
5. 有序列表项 二
6. 有序列表项 三
7. 有序列表项 一
8. 有序列表项 二
9. 有序列表项 三
10. 有序列表项 三