文档介绍：课程内容
第一章: lucene简介
第二章:入门实例
第三章:内建Query对象
第四章:分析器Analyzer
第五章: Query Parser
第六章:索引
第七章:排序
第八章:过滤
项目实践:构建一个简单的WEB搜索程序
第一章:Lucene简介
搜索引擎的历史
什么是Lucene
全文检索系统的结构
为什么使用Lucene
Lucene倒排索引原理
Lucene Implementations
pass
Nutch
开源搜索引擎列表
全球商用搜索市场
Heritrix介绍
课堂练****Heritrix简单抓取任务的设置
搜索引擎的历史
萌芽:Archie、Gopher
起步:Robot(网络机器人)的出现与Spider(网络爬虫)
发展:Excite、Galaxy、Yahoo等
繁荣:Infoseek、AltaVista、Google和Baidu
什么是Lucene
Lucene是非常优秀的成熟的开源的免费的纯java语言的全文索引检索工具包。
全文检索是指计算机索引程序通过扫描文章中的每一个词,对每一个词建立一个索引,指明该词在文章中出现的次数和位置,当用户查询时,检索程序就根据事先建立的索引进行查找,并将查找的结果反馈给用户的检索方式。
Lucene是一个高性能、可伸缩的信息搜索(IR)库。 Information Retrieval (IR) 。
Lucene的作者Doug Cutting是资深的全文索引/检索专家,最开始发布在他本人的主页上,2001年10月贡献给APACHE,成为APACHE基金的一个子项目。
http://jakarta./lucene/
Lucene是一个IR库而不是现成的产品, 当然也不是Lucene的初识者常常认为的web爬行器
全文检索系统的结构
.
为什么使用Lucene
Lucene作为一个全文检索引擎,其具有如下突出的优点:
(1)索引文件格式独立于应用平台。Lucene定义了一套以8位字节为基础的索引文件格式,使得兼容系统或者不同平台的应用能够共享建立的索引文件。
(2)在传统全文检索引擎的倒排索引的基础上,实现了分块索引,能够针对新的文件建立小文件索引,提升索引速度。然后通过与原有索引的合并,达到优化的目的。
(3)优秀的面向对象的系统架构,使得对于Lucene扩展的学****难度降低,方便扩充新功能。
(4)设计了独立于语言和文件格式的文本分析接口,索引器通过接受Token流完成索引文件的创立,用户扩展新的语言和文件格式,只需要实现文本分析的接口。
(5)已经默认实现了一套强大的查询引擎,用户无需自己编写代码即使系统可获得强大的查询能力,Lucene的查询实现中默认实现了布尔操作、模糊查询(Fuzzy Search)、分组查询等等。
开源,可扩展能力强,有各种语言版本,适合各种平台,
Lucene Implementations
Lucene implementations in languages other than Java:
CLucene - Lucene implementation in C++
dotLucene - Lucene implementation in .NET
Lucene4c - Lucene implementation in C
LuceneKit - Lucene implementation in Objective-C (Cocoa/GNUstep support)
Lupy - Lucene implementation in Python (RETIRED)
NLucene - another Lucene implementation in .NET (out of date)
Zend Search - Lucene implementation in the Zend Framework for PHP 5
Plucene - Lucene implementation in Perl
KinoSearch - a new Lucene implementation in Perl
PyLucene - piled version of Java Lucene integrated with Python
MUTIS - Lucene implementation in Delphi
Ferret - Lucene implementation in Ruby
基于Lucene的搜索程序
Applications and web applications using Lucene