全文检索（Full-Text Retrieval）是指以文本作为检索对象，找出含有指定词汇的文本。全面、准确和快速是衡量全文检索系统的关键指标。 关于全文检索，我们要知道：1，只处理文本。2，不处理语义。3，搜索时英文不区分大小写。4，结果列表有相关度排序。 在信息检索工具中，全文检索是最具通用性和实用性的。

Apache Lucene是一个高性能，功能完整的文本搜索引擎库。

引言本文用lucene和Heritrix构建了一个Web搜索应用程序Lucene是基于Java的全文信息检索包，它目前是ApacheJakarta家族下面的一个开源项目。Lucene很强大，但是，无论多么强大的搜索引擎工具，在其后台，都需要一样东西来支援它，那就是网络爬虫Spider。网络爬虫，又被称为蜘蛛Spider，或是网络机器人、BOT等，这些都无关紧要，最重要的是要认识到，由于爬虫的存在，才使得搜索引擎有了丰富的资源。Heritrix是一个纯由Java开发的、开源的Web网络爬虫，用户可以使用它从网络上抓取想要的资源。

Lucene.net基本应用

Lucene是一套用于全文检索和搜寻的开源程式库，由Apache软件基金会支持和提供。Lucene提供了一个简单却强大的应用程式接口，能够做全文索引和搜寻。在Java开发环境里Lucene是一个成熟的免费开源工具。就其本身而言，Lucene是当前以及最近几年最受欢迎的免费Java资讯检索程式库。 人们经常提到资讯检索程式库，虽然与搜索引擎有关，但不应该将资讯检索程式库与搜索引擎相混淆。 <br>  全文检索服务主要由两大部门构成：索引器及搜索器。索引器主要负责对文件名称及文件内容进行分词，并创建索引表。搜索器负责检索索引表，获取相关内容信息，并显示

1，Query类：这是一个抽象类，用于将用户输入的查询字符串封装成Lucene能够识别的Query，它具有TermQuery,BooleanQuery,PrefixQuery等多种实现。2，Term类：用于描述搜索的基本单位，其构造函数是Term(“fieldName”,”queryWord”)，其中第一个参数代表要在文档的哪一个Field上进行搜索，第二个参数代表要搜索的关键词。

向上向外扩展：关于研究Nutch/Lucene的互操作性摘要在过去几年中，多处理系统提高运行能力的解决方案一直困扰着主流的商业计算。主要的服务器供应商继续提供越来越强悍的机器，而近期，向外扩展的解决方案，规模较小的机器集群的形式，更加被商业计算所接受。向外扩展的解决方案是以网络为中心高吞吐量的特别有效的应用。

用Lucene检索数据库1.写一段传统的JDBC程序，讲每条的用户信息从数据库读取出来2.针对每条用户记录，建立一个lucene document Documentdoc=newDocument();并根据你的需要，将用户信息的各个字段对应luncenedocument中的field进行添加。

lucene单个索引支撑的数据量极限，如何接近这个极限？ lucene单个索引支撑的数据量极限是Integer.MAX_VALUE. 　　因为lucene索引中doc都有一个内部的docid，这个id lucene用了int 来做，因此，lucene单个索引支撑的数据量极限是Integer.MAX_VALUE.

目录搜索引擎简介Lucene简介Lucene原理Lucene应用实例搜索引擎搜索引擎是指根据一定的策略、运用特定的计算机程序从互联网上搜集信息，在对信息进行组织和处理后，为用户提供检索服务，将用户检索相关的信息展示给用户的系统。搜索引擎包括全文索引、目录索引、元搜索引擎、垂直搜索引擎、集合式搜索引擎、门户搜索引擎与免费链接列表等。全文搜索引擎是名副其实的搜索引擎，国外代表有Google，国内则有著名的百度。它们从互联网提取各个网站的信息（以网页文字为主），建立起数据库，并能检索与用户查询条件相匹配的记录，按一定的排列顺序返回结果。全文检索:数据的存储有结构化和非结构化的。

Lucene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：QueryParser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LuceneLucene倒排索引原理Lucene Implementations基于Lucene的搜索程序CompassNutch开源搜索引擎列表全球商用搜索市场Heritrix介绍课堂练习: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。

1，Query类：这是一个抽象类，用于将用户输入的查询字符串封装成Lucene能够识别的Query，它具有TermQuery,BooleanQuery,PrefixQuery等多种实现。2，Term类：用于描述搜索的基本单位，其构造函数是Term(“fieldName”,”queryWord”)，其中第一个参数代表要在文档的哪一个Field上进行搜索，第二个参数代表要搜索的关键词。3，TermQuery类：TermQuery是抽象类Query的一个具体实现，也是Lucene支持的最为基本的一个查询类。TermQuery的构造函数是TermQuery(newTerm(“fieldName”,”queryWord”))，唯一的参数是一个Term对象。4，IndexSearcher类：用于在建立好的索引上进行搜索的句柄类，其打开索引方式被设置为只读，因此允许多个IndexSearcher实例操作同一个索引。

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：QueryParser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基于Lucene的搜索程序CompassNutch开源搜索引擎列表全球商用搜索市场Heritrix介绍课堂练习: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).

Lucene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：QueryParser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基于Lucene的搜索程序CompassNutch开源搜索引擎列表全球商用搜索市场Heritrix介绍课堂练习: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LuceneLucene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。

为了建立有自主版权的数据搜索引擎产品，数据中心数据搜索引擎采用lucene与POI相结合的方式实现。 Lucene是开源的搜索引擎产品，提供了全文索引建立和基于全文索引的数据搜索等功能。Lucene的全文索引建立只提供对文本文件的分词索引，对于现在的office文件格式目前不支持，需要借助于其他的office文件解析器才能建立office文件的分析索引。

lucene入门与使用（转载）本文主要面向具体使用，适用于已熟悉java编程的lucene初学者。1.Lucene的简介1.1Lucene历史  org.apache.lucene包是纯java语言的全文索引检索工具包。 Lucene的作者是资深的全文索引/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jakarta的一个子项目。 目前，lucene广泛用于全文索引/检索的项目中。 lucene也被翻译成C#版本，目前发展为Lucene.Net（不过最近好象有流产的消息）。

、lucene是apache下的一个开源框架，主要使用于处理大量资源全文搜索的时间使用的工具。从其官方网站定义为：Apache的Lucene的是一种基于java语言开发的、高性能、跨平台、几乎适用于任何程序的全文搜索引擎。并且apache的Lucenea是完全开源的。

编制本手册的目的：1．描述Lucene用途，使开发人员依据本手册初步认识Lucene；2．描述Lucene的API，使开发人员可以快速认识并利用Lucene开发搜索引擎；3．描述Lucene和webdt的融合；4.重点描述Lucene的应用，使开发人员可按照本手册的描述开发。本手册面向的读者：熟悉Java开发，并对WEBDT软件的特点（请参阅《技术白皮书》）具有初步认识的技术人员。概述本手册首先介绍了Lucene的概念，详细描述了简单快速地将Lucene融入WEBDT运行平台并进行实际开发的方法，使技术人员对Lucene有一个概要性的框架认识，为下一步开发工作奠定基础。LUCENE简介什么是LUNCENELucene是一套javaAPI，就如同Servlet是一套API一样。Lucene不是一个独立的搜索引擎系统，但是你可以使用Luncene来开发搜索引擎系统。这正如Servlet不是网站系统但是你可以用Servlet开发网站一样。有人已经用Lucene开发出了独立的搜索引擎系统，你可以下载，然后不写一行代码就是用它。Nutch是最出名的了。Lucene是一个全文搜索框架，而不是应用产品。

使用Lucene自带的Highlighter就可以实现对原始文件摘要的提取工作。Highlighter类有一个getBestFragment方法，这个方法有多个重载的方法。使用Lucene自带的Highlighter就可以实现对原始文件摘要的提取工作。Highlighter类有一个getBestFragment方法，这个方法有多个重载的方法

全文检索就如同ORM，是一个概念。ORM的框架有很多种：Hibernate、TopLink、iBatis等，我们之前学习的是Hibernate。同样的，全文检索领域中也有多种框架，Lucene就是其中的一个用开源的全文检索框架。对索引库的操作可以分为两种：管理与查询。管理索引库使用IndexWriter，从索引库中查询使用IndexSearcher。Lucene的数据结构为Document与Field。Document代表一条数据，Field代表数据中的一个属性。一个Document中有多个Field，Field的值为String型，因为Lucene只处理文本。