设为首页收藏一下又不会死！新人公告
切换到窄版

 找回密码
 立即注册→加入我们

QQ登录

只需一步，快速开始

搜索
热搜: 下载 VB C 实现 编写
技术宅的结界»论坛 › 计算机技术 › 技巧探讨 › 站内搜索的实现
返回列表 发新帖
查看: 4147|回复: 1

站内搜索的实现

[复制链接]
0x55AA
发表于 2015-1-24 10:55:09 | 显示全部楼层 |阅读模式

欢迎访问技术宅的结界，请注册或者登录吧。

您需要 登录 才可以下载或查看，没有账号？立即注册→加入我们

×
基于Lucene.net3.03 加 ICTCLAS2014实现的站内搜索引擎

Lucene.net是一个搜索引擎的框架，它自身并不能实现搜索，需要我们自己在其中实现索引的建立，索引的查找。所有这些都是根据它自身提供的API来实现。Lucene.net本身是基于java的，但是经过翻译成.ne版本的，可以在ASP.net中使用这个来实现站内搜索。
    要实现基于汉语的搜索引擎，首先的要实现汉语的分词。目前网上大部分都是利用已经有的盘古分词来实现的分词系统，但是盘古分词效果不太好。在这里我把最新的ICTCLAS2014嵌入到Lucene.net中。Lucene.net中所有的分词系统都是基于Analyzer类来继承实现的。所以如果要使用ICTCLAS2014嵌入到Lucene.net中，就必要要继承Analyzer类实现自己的分词类。
1 ICTCLAS的引入
    首先我们要把ICTCLAS的dll引入到C#文件中 ，因为这个dll不是在C#中建立的类库，所以无法直接将其加入到C#的引用中。我们考虑使用下面的方法来实现，为了方便，我们把引入的函数以及结构体放入一个类中。如下所示：
  1. using System;
  2. using System.Collections.Generic;
  3. using System.Linq;
  4. using System.Text;
  5. using System.Runtime.InteropServices;
  6. using Lucene.Net.Analysis;

  8. namespace Lucene.Net.Analysis.DChinese
  9. {
  10.     [StructLayout(LayoutKind.Explicit)]
  11.     public struct result_t
  12.     {
  13.         [FieldOffset(0)]
  14.         public int start;
  15.         [FieldOffset(4)]
  16.         public int length;
  17.         [FieldOffset(8)]
  18.         public int sPos1;
  19.         [FieldOffset(12)]
  20.         public int sPos2;
  21.         [FieldOffset(16)]
  22.         public int sPos3;
  23.         [FieldOffset(20)]
  24.         public int sPos4;
  25.         [FieldOffset(24)]
  26.         public int sPos5;
  27.         [FieldOffset(28)]
  28.         public int sPos6;
  29.         [FieldOffset(32)]
  30.         public int sPos7;
  31.         [FieldOffset(36)]
  32.         public int sPos8;
  33.         [FieldOffset(40)]
  34.         public int sPos9;
  35.         [FieldOffset(44)]
  36.         public int sPos10;
  37.         //[FieldOffset(12)] public int sPosLow;
  38.         [FieldOffset(48)]
  39.         public int POS_id;
  40.         [FieldOffset(52)]
  41.         public int word_ID;
  42.         [FieldOffset(56)]
  43.         public int word_type;
  44.         [FieldOffset(60)]
  45.         public double weight;
  46.     }
  47.     public class SplitWord
  48.     {
  49.         const string path = @"NLPIR.dll";//设定dll的路径

  51.         //对函数进行申明
  52.         [DllImport(path, CharSet = CharSet.Ansi, EntryPoint = "NLPIR_Init", CallingConvention = CallingConvention.Cdecl)]
  53.         public static extern bool NLPIR_Init(String sInitDirPath, int encoding = 0, String sLicenceCode = null);

  55.         //特别注意，C语言的函数NLPIR_API const char * NLPIR_ParagraphProcess(const char *sParagraph,int bPOStagged=1);必须对应下面的申明
  56.         [DllImport(path, CharSet = CharSet.Ansi, CallingConvention = CallingConvention.Cdecl, EntryPoint = "NLPIR_ParagraphProcess")]
  57.         public static extern IntPtr NLPIR_ParagraphProcess(String sParagraph, int bPOStagged = 1);

  59.         [DllImport(path, CharSet = CharSet.Ansi, EntryPoint = "NLPIR_Exit", CallingConvention = CallingConvention.Cdecl)]
  60.         public static extern bool NLPIR_Exit();

  62.         [DllImport(path, CharSet = CharSet.Ansi, EntryPoint = "NLPIR_ImportUserDict", CallingConvention = CallingConvention.Cdecl)]
  63.         public static extern int NLPIR_ImportUserDict(String sFilename);

  65.         [DllImport(path, CharSet = CharSet.Ansi, EntryPoint = "NLPIR_FileProcess", CallingConvention = CallingConvention.Cdecl)]
  66.         public static extern bool NLPIR_FileProcess(String sSrcFilename, String sDestFilename, int bPOStagged = 1);

  68.         [DllImport(path, CharSet = CharSet.Ansi, EntryPoint = "NLPIR_FileProcessEx", CallingConvention = CallingConvention.Cdecl)]
  69.         public static extern bool NLPIR_FileProcessEx(String sSrcFilename, String sDestFilename);

  71.         [DllImport(path, CharSet = CharSet.Ansi, EntryPoint = "NLPIR_GetParagraphProcessAWordCount", CallingConvention = CallingConvention.Cdecl)]
  72.         public static extern int NLPIR_GetParagraphProcessAWordCount(String sParagraph);

  74.         //NLPIR_GetParagraphProcessAWordCount
  75.         [DllImport(path, CharSet = CharSet.Ansi, EntryPoint = "NLPIR_ParagraphProcessAW", CallingConvention = CallingConvention.Cdecl)]
  76.         public static extern void NLPIR_ParagraphProcessAW(int nCount, [Out, MarshalAs(UnmanagedType.LPArray)] result_t[] result);

  78.         [DllImport(path, CharSet = CharSet.Ansi, EntryPoint = "NLPIR_AddUserWord", CallingConvention = CallingConvention.Cdecl)]
  79.         public static extern int NLPIR_AddUserWord(String sWord);

  81.         [DllImport(path, CharSet = CharSet.Ansi, EntryPoint = "NLPIR_SaveTheUsrDic", CallingConvention = CallingConvention.Cdecl)]
  82.         public static extern int NLPIR_SaveTheUsrDic();

  84.         [DllImport(path, CharSet = CharSet.Ansi, EntryPoint = "NLPIR_DelUsrWord", CallingConvention = CallingConvention.Cdecl)]
  85.         public static extern int NLPIR_DelUsrWord(String sWord);

  87.         [DllImport(path, CharSet = CharSet.Ansi, EntryPoint = "NLPIR_NWI_Start", CallingConvention = CallingConvention.Cdecl)]
  88.         public static extern bool NLPIR_NWI_Start();

  90.         [DllImport(path, CharSet = CharSet.Ansi, EntryPoint = "NLPIR_NWI_Complete", CallingConvention = CallingConvention.Cdecl)]
  91.         public static extern bool NLPIR_NWI_Complete();

  93.         [DllImport(path, CharSet = CharSet.Ansi, EntryPoint = "NLPIR_NWI_AddFile", CallingConvention = CallingConvention.Cdecl)]
  94.         public static extern bool NLPIR_NWI_AddFile(String sText);

  96.         [DllImport(path, CharSet = CharSet.Ansi, EntryPoint = "NLPIR_NWI_AddMem", CallingConvention = CallingConvention.Cdecl)]
  97.         public static extern bool NLPIR_NWI_AddMem(String sText);

  99.         [DllImport(path, CharSet = CharSet.Ansi, CallingConvention = CallingConvention.Cdecl, EntryPoint = "NLPIR_NWI_GetResult")]
  100.         public static extern IntPtr NLPIR_NWI_GetResult(bool bWeightOut = false);

  102.         [DllImport(path, CharSet = CharSet.Ansi, EntryPoint = "NLPIR_NWI_Result2UserDict", CallingConvention = CallingConvention.Cdecl)]
  103.         public static extern uint NLPIR_NWI_Result2UserDict();

  105.         [DllImport(path, CharSet = CharSet.Ansi, EntryPoint = "NLPIR_GetKeyWords", CallingConvention = CallingConvention.Cdecl)]
  106.         public static extern IntPtr NLPIR_GetKeyWords(String sText, int nMaxKeyLimit = 50, bool bWeightOut = false);

  108.         [DllImport(path, CharSet = CharSet.Ansi, CallingConvention = CallingConvention.Cdecl, EntryPoint = "NLPIR_GetFileKeyWords")]
  109.         public static extern IntPtr NLPIR_GetFileKeyWords(String sFilename, int nMaxKeyLimit = 50, bool bWeightOut = false);
  110.     }
  111. }
复制代码
这个类里面包含了所有的ICTCLAS的API函数，包含初始化，添加词语，添加词典，词典保存，分词等各种API。并且都是STATIC函数。
2 分词类DChineseAnalyzer的建立
分词类的建立我们参考StandarAnalyzer分词的实现，再次基础上实现了DChineseAnalyzer类。在分词类中实现必要的构造函数，以及
  1. public override TokenStream TokenStream(System.String fieldName, System.IO.TextReader reader)
  2. public override TokenStream ReusableTokenStream(System.String fieldName, System.IO.TextReader reader)
复制代码
这两个函数。他们的作用是在函数中调用用分词器Tokenizer的派生类来实现分词。在现有的版本中一般是在使用分词类的时候，直接调用ReusableTokenStream函数，而不是调用TokenStream函数，这样可以做到一个分词类对象的建立可供多个分词文本的使用。从而减少内存的浪费，提高效率。
以及一些字段，利用这些字段，我们可以加入一些停用词，用户自己的词典。
3 分词器DChineseTokenizer的建立
这个类是分词的核心关键所在。我们要在其中调用ICTCLAS中的分词。在这里面要注意的一个函数是
  1. public override bool IncrementToken()
复制代码
它是我们获取下一个分词结果要用到的函数，如果想要遍历分词结果，就要建立一个循环，不断的调用IncrementToken函数。
整个分词系统代码如下所示：
  1. using System;
  2. using System.Collections.Generic;
  3. using System.Linq;
  4. using System.Text;
  5. using System.IO;
  6. using System.Runtime.InteropServices;
  7. using Lucene.Net.Analysis;
  8. using Lucene.Net.Analysis.Standard;
  9. using Lucene.Net.Util;
  10. using Lucene.Net.Documents;
  11. using Lucene.Net.Analysis.Tokenattributes;
  12. using Version = Lucene.Net.Util.Version;

  14. namespace Lucene.Net.Analysis.DChinese
  15. {
  16.     public class DChineseAnalyzer : Analyzer
  17.     {
  18.         private ISet<string> stopSet;
  19.         public static readonly ISet<string> STOP_WORDS_SET;
  20.         private Version matchVersion;
  21.         private bool replaceInvalidAcronym;
  22.         private bool enableStopPositionIncrements;

  24.         public DChineseAnalyzer(Version version, ISet<string> stopWords)
  25.         {
  26.             stopSet = stopWords;
  27.             replaceInvalidAcronym = false;
  28.             enableStopPositionIncrements = StopFilter.GetEnablePositionIncrementsVersionDefault(version);
  29.             replaceInvalidAcronym = matchVersion.OnOrAfter(Version.LUCENE_24);
  30.             this.matchVersion = version;
  31.         }

  33.         public DChineseAnalyzer(Version version)
  34.             : this(version, STOP_WORDS_SET)
  35.         {
  36.         }

  38.         public DChineseAnalyzer(Version version, System.IO.FileInfo stopWords)
  39.             : this(version, WordlistLoader.GetWordSet(stopWords))
  40.         {
  41.         }

  43.         static DChineseAnalyzer()
  44.         {
  45.             STOP_WORDS_SET = StopAnalyzer.ENGLISH_STOP_WORDS_SET;
  46.         }
  47.         public override TokenStream TokenStream(System.String fieldName, System.IO.TextReader reader)
  48.         {
  49.             TokenStream result = new DChineseTokenizer(matchVersion, reader);
  50.             result = new LowerCaseFilter(result);
  51.             result = new StopFilter(enableStopPositionIncrements, result, stopSet);
  52.             result = new PorterStemFilter(result);
  53.             return result;
  54.         }

  56.         private class SavedStreams
  57.         {
  58.             protected internal DChineseTokenizer source;
  59.             protected internal TokenStream result;
  60.         };
  61.         public override TokenStream ReusableTokenStream(System.String fieldName, System.IO.TextReader reader)
  62.         {
  63.             SavedStreams streams = (SavedStreams)PreviousTokenStream;
  64.             if (streams == null)
  65.             {
  66.                 streams = new SavedStreams();
  67.                 streams.source = new DChineseTokenizer(matchVersion, reader);
  68.                 streams.result = new LowerCaseFilter(streams.source);
  69.                 streams.result = new StopFilter(enableStopPositionIncrements, streams.result, stopSet);
  70.                 streams.result = new PorterStemFilter(streams.result);
  71.                 PreviousTokenStream = streams;
  72.             }
  73.             else
  74.             {
  75.                 streams.source.Reset(reader);
  76.             }

  78.             streams.source.SetReplaceInvalidAcronym(replaceInvalidAcronym);
  79.             return streams.result;
  80.         }

  82.     }

  84.     public sealed class DChineseTokenizer : Tokenizer
  85.     {

  87.         private bool m_replaceInvalidAcronym;
  88.         private int offset = 0;
  89.         private int bufferIndex = 0;
  90.         private int dataLen = 0;
  91.         private const int MAX_WORD_LEN = 255;
  92.         private const int IO_BUFFER_SIZE = 4096;
  93.         private readonly char[] ioBuffer = new char[IO_BUFFER_SIZE];

  95.         private ITermAttribute termAtt;
  96.         private IOffsetAttribute offsetAtt;
  97.         private IPositionIncrementAttribute posIncrAtt;



  101.         private void Init(System.IO.TextReader input, Version matchVersion)
  102.         {
  103.             if (matchVersion.OnOrAfter(Version.LUCENE_24))
  104.             {
  105.                 m_replaceInvalidAcronym = true;
  106.             }
  107.             else
  108.             {
  109.                 m_replaceInvalidAcronym = false;
  110.             }
  111.             //this.input = input;
  112.             this.input = ChangeInput(input);
  113.             termAtt = AddAttribute<ITermAttribute>();
  114.             offsetAtt = AddAttribute<IOffsetAttribute>();
  115.             posIncrAtt = AddAttribute<IPositionIncrementAttribute>();
  116.         }

  118.         public DChineseTokenizer(Version matchVersion, System.IO.TextReader input)
  119.             : base()
  120.         {
  121.             Init(input, matchVersion);
  122.         }

  124.         public DChineseTokenizer(Version matchVersion, System.IO.TextReader input, AttributeSource source)
  125.             : base(source)
  126.         {
  127.             Init(input, matchVersion);
  128.         }

  130.         public DChineseTokenizer(Version matchVersion, System.IO.TextReader input, AttributeFactory factory)
  131.             : base(factory)
  132.         {
  133.             Init(input, matchVersion);
  134.         }

  136.         public override bool IncrementToken()
  137.         {
  138.             ClearAttributes();
  139.             int length = 0;
  140.             int start = bufferIndex;
  141.             char[] buffer = termAtt.TermBuffer();
  142.             while (true)
  143.             {

  145.                 if (bufferIndex >= dataLen)
  146.                 {
  147.                     offset += dataLen;
  148.                     dataLen = input.Read(ioBuffer, 0, ioBuffer.Length);
  149.                     if (dataLen <= 0)
  150.                     {
  151.                         dataLen = 0;
  152.                         if (length > 0)
  153.                             break;
  154.                         return false;
  155.                     }
  156.                     bufferIndex = 0;
  157.                 }

  159.                 char c = ioBuffer[bufferIndex++];

  161.                 if (!System.Char.IsWhiteSpace(c))
  162.                 {
  163.                     if (length == 0)
  164.                     {
  165.                         start = offset + bufferIndex - 1;
  166.                     }
  167.                     else if (length == buffer.Length)
  168.                     {
  169.                         buffer = termAtt.ResizeTermBuffer(1 + length);
  170.                     }

  172.                     buffer[length++] = c;
  173.                     if (length == MAX_WORD_LEN)
  174.                         break;
  175.                 }
  176.                 else if (length > 0)
  177.                     break;
  178.             }

  180.             termAtt.SetTermLength(length);
  181.             offsetAtt.SetOffset(CorrectOffset(start), CorrectOffset(start + length));
  182.             posIncrAtt.PositionIncrement = 1;
  183.             return true;
  184.         }

  186.         public override void Reset()
  187.         {
  188.             base.Reset(input);
  189.             bufferIndex = 0;
  190.             offset = 0;
  191.             dataLen = 0;
  192.         }

  194.         public override void Reset(TextReader input)
  195.         {
  196.             String inputString = input.ReadToEnd();
  197.             IntPtr intPtr = SplitWord.NLPIR_ParagraphProcess(inputString, 0);
  198.             string strResult = Marshal.PtrToStringAnsi(intPtr);
  199.             this.input = new StringReader(strResult);
  200.             bufferIndex = 0;
  201.             offset = 0;
  202.             dataLen = 0;
  203.         }

  205.         public override void End()
  206.         {
  207.             int finalOffset = CorrectOffset(offset);
  208.             offsetAtt.SetOffset(finalOffset, finalOffset);
  209.         }

  211.         public void SetReplaceInvalidAcronym(bool replaceInvalidAcronym)
  212.         {
  213.             this.m_replaceInvalidAcronym = replaceInvalidAcronym;
  214.         }

  216.         private TextReader ChangeInput(TextReader input)
  217.         {
  218.             //string indexPath = System.Environment.CurrentDirectory;
  219.             //string indexPath = GetType().Assembly.Location;
  220.             //string indexPath = System.IO.Path.GetDirectoryName(Page.Request.PhysicalPath);
  221.             //string dirParent = Directory.GetParent(indexPath).Parent.FullName;
  222.             string dirParent = System.AppDomain.CurrentDomain.BaseDirectory;
  223.             

  225.             bool bInit = SplitWord.NLPIR_Init(dirParent, 0, null);
  226.             if (!bInit)
  227.             {
  228.                 return null;
  229.             }
  230.             String inputString = input.ReadToEnd();
  231.             IntPtr intPtr = SplitWord.NLPIR_ParagraphProcess(inputString, 0);
  232.             string strResult = Marshal.PtrToStringAnsi(intPtr);
  233.             return new StringReader(strResult);
  234.         }
  235.     }
  236. }
复制代码
(2) 索引，查找
    分词系统建立完毕，这是基础也是核心，后面我们建立索引要用到分词系统。下面依次讲解索引的建立，索引的查找。
    索引的建立采用的是倒排序，原理就是遍历所有的文本，对其进行分词，然后把分的词汇建立索引表。形式类似如下：
词汇    出现词汇的篇章1，篇章2，篇章3……
    建立索引的时候要注意这样的Document，Field这俩术语。Document代表的是一个文档，它里面包含一个或者多个Filed，Field表示的就是一种域，你可以在一个Document里面添加各种各样的域，名字自己起，但是关于文档的内容一定要加进去，方式如下所示：
  1. doc.Add(new Field("contents", str, Field.Store.YES, Field.Index.ANALYZED, Field.TermVector.WITH_POSITIONS_OFFSETS));
复制代码
整个索引的建立如下所示：
  1. using System;
  2. using System.Collections.Generic;
  3. using System.Linq;
  4. using System.Web;
  5. using System.IO;
  6. using Lucene.Net.Analysis;
  7. using Lucene.Net.Analysis.Standard;
  8. using Lucene.Net.Index;
  9. using Lucene.Net.Documents;
  10. using Lucene.Net.Search;
  11. using Lucene.Net.Analysis.DChinese;

  13. using Version = Lucene.Net.Util.Version;
  14. using FSDirectory = Lucene.Net.Store.FSDirectory;
  15. using NativeFSLockFactory = Lucene.Net.Store.NativeFSLockFactory;

  17. namespace WebApplication6
  18. {
  19.     public class IndexFiles
  20.     {
  21.         

  23.         public static bool CreateIndexFromFile(DirectoryInfo docDir, DirectoryInfo IndexDir)
  24.         {
  25.             string strUserDicPath = System.AppDomain.CurrentDomain.BaseDirectory;
  26.             string strTestDic = strUserDicPath;
  27.             HashSet<string> lstStopWords = new HashSet<string>();

  29.             strUserDicPath = strUserDicPath + "UserDictionary\\StopWords.txt";
  30.             string[] strs = null;

  32.             StreamWriter sw = new StreamWriter(strTestDic + "UserDictionary\\StopTest.txt");
  33.             using (StreamReader strReader = new StreamReader(strUserDicPath))
  34.             {
  35.                 string strLine;
  36.                 while ((strLine = strReader.ReadLine()) != null)
  37.                 {
  38.                     strLine = strLine.Trim();
  39.                     strs = strLine.Split();
  40.                     foreach (string str in strs)
  41.                     {
  42.                         lstStopWords.Add(str);
  43.                         sw.WriteLine(str);
  44.                         
  45.                     }
  46.                 }
  47.                 strReader.Close();
  48.                 sw.Close();
  49.             }

  51.             bool bExist = File.Exists(docDir.FullName) || Directory.Exists(docDir.FullName);
  52.             if (!bExist)
  53.             {
  54.                 return false;
  55.             }

  57.             //using (IndexWriter writer = new IndexWriter(FSDirectory.Open(IndexDir), new DChineseAnalyzer(Version.LUCENE_30), true, IndexWriter.MaxFieldLength.LIMITED) )
  58.             //IndexWriter writer = new IndexWriter(fsDirrctory, new StandardAnalyzer(Version.LUCENE_30), true, IndexWriter.MaxFieldLength.LIMITED);
  59.             
  60.             FSDirectory fsDirrctory = FSDirectory.Open(IndexDir, new NativeFSLockFactory());
  61.             Analyzer analyzer = new DChineseAnalyzer(Version.LUCENE_30,lstStopWords);
  62.             IndexWriter writer = new IndexWriter(fsDirrctory, analyzer, true, IndexWriter.MaxFieldLength.LIMITED);
  63.             try
  64.             {
  65.                 IndexDirectory(writer, docDir);
  66.                 writer.Optimize();
  67.                 writer.Commit();
  68.             }
  69.             finally
  70.             {
  71.                 writer.Dispose();
  72.                 fsDirrctory.Dispose();
  73.             }
  74.             
  75.             return true;
  76.         }

  78.         internal static void IndexDirectory(IndexWriter writer, DirectoryInfo directory)
  79.         {
  80.             foreach (var subDirectory in directory.GetDirectories())
  81.                 IndexDirectory(writer, subDirectory);

  83.             foreach (var file in directory.GetFiles())
  84.                 IndexDocs(writer, file);
  85.         }

  87.         internal static void IndexDocs(IndexWriter writer, FileInfo file)
  88.         {
  89.             Console.Out.WriteLine("adding " + file);

  91.             try
  92.             {
  93.                 writer.AddDocument(Document(file));
  94.             }
  95.             catch (FileNotFoundException)
  96.             {
  97.                 // At least on Windows, some temporary files raise this exception with an
  98.                 // "access denied" message checking if the file can be read doesn't help.
  99.             }
  100.             catch (UnauthorizedAccessException)
  101.             {
  102.                 // Handle any access-denied errors that occur while reading the file.   
  103.             }
  104.             catch (IOException)
  105.             {
  106.                 // Generic handler for any io-related exceptions that occur.
  107.             }
  108.         }

  110.         public static Document Document(FileInfo f)
  111.         {

  113.             // make a new, empty document
  114.             Document doc = new Document();

  116.             // Add the path of the file as a field named "path".  Use a field that is
  117.             // indexed (i.e. searchable), but don't tokenize the field into words.
  118.             doc.Add(new Field("path", f.FullName, Field.Store.YES, Field.Index.NOT_ANALYZED));

  120.             // Add the last modified date of the file a field named "modified".  Use
  121.             // a field that is indexed (i.e. searchable), but don't tokenize the field
  122.             // into words.
  123.             doc.Add(new Field("modified", DateTools.TimeToString(f.LastWriteTime.Millisecond, DateTools.Resolution.MINUTE), Field.Store.YES, Field.Index.NOT_ANALYZED));

  125.             // Add the contents of the file to a field named "contents".  Specify a Reader,
  126.             // so that the text of the file is tokenized and indexed, but not stored.
  127.             // Note that FileReader expects the file to be in the system's default encoding.
  128.             // If that's not the case searching for special characters will fail.

  130.             string str = File.ReadAllText(f.FullName);
  131.             //doc.Add(new Field("contents", new StreamReader(f.FullName, System.Text.Encoding.UTF8)));
  132.             doc.Add(new Field("contents", str, Field.Store.YES, Field.Index.ANALYZED, Field.TermVector.WITH_POSITIONS_OFFSETS));

  134.             // return the document
  135.             return doc;
  136.         }
  137.     }
  138. }
复制代码
查找的实现：
    Lucene.net中有多种多样的查找类，但是如果要实现多条件查询就要使用PhraseQuery
类。通过搜索函数把搜索结果放到容器里面。
    最后结果的呈现时候，我们把搜索结果放到列表里面，如果还要显示关键词加亮，那么就需要做一点额外的工作。在这里我是通过ColorWord这个类实现的。具体的搜索代码如下所示：
  1. using System;
  2. using System.Collections.Generic;
  3. using System.Linq;
  4. using System.Web;
  5. using System.IO;
  6. using Lucene.Net.Analysis;
  7. using Lucene.Net.Analysis.DChinese;
  8. using Lucene.Net.Documents;
  9. using Lucene.Net.QueryParsers;
  10. using Lucene.Net.Index;
  11. using Lucene.Net.Search;

  13. using FSDirectory = Lucene.Net.Store.FSDirectory;
  14. using NoLockFactory = Lucene.Net.Store.NoLockFactory;
  15. using Version = Lucene.Net.Util.Version;

  17. namespace WebApplication6
  18. {
  19.     public static class SearchFiles
  20.     {
  21.         public static List<ItemList> SearchIndex(DirectoryInfo dirIndex, List<string> termList)
  22.         {
  23.             FSDirectory     dirFS    = FSDirectory.Open(dirIndex, new NoLockFactory());
  24.             IndexReader     reader   = IndexReader.Open(dirFS,true);
  25.             IndexSearcher   searcher = new IndexSearcher(reader);
  26.             Analyzer        analyzer = new DChineseAnalyzer(Version.LUCENE_30);
  27.             PhraseQuery     query    = new PhraseQuery();

  29.             foreach (string word in termList)
  30.             {
  31.                 query.Add( new Term("contents",word) );
  32.             }
  33.             query.Slop = 100;

  35.             TopScoreDocCollector collector = TopScoreDocCollector.Create(1000, true);
  36.             searcher.Search(query,collector);
  37.             ScoreDoc[] hits = collector.TopDocs().ScoreDocs;
  38.             List<ItemList> lstResult = new List<ItemList>();
  39.             for (int i = 0; i < hits.Length; i++)
  40.             {
  41.                 Document doc = new Document();
  42.                 doc = searcher.Doc(hits[i].Doc);
  43.                 ItemList item = new ItemList();
  44.                 //item.ItemContent = doc.Get("contents");
  45.                 item.ItemContent = ColorWord.addColor(doc.Get("contents"),termList);
  46.                 item.ItemPath = doc.Get("path");
  47.                 lstResult.Add(item);
  48.             }
  49.             return lstResult;
  50.         }
  51.     }
  52. }
复制代码
最终结果展示：
1.png
Lucene, 搜索引擎, 汉语, 分词, 索引

相关帖子
回复

使用道具 举报

0xAA55
发表于 2015-1-24 10:56:03 | 显示全部楼层
你能把它改成PHP的吗？我论坛是PHP的，正缺这么一个搜索引擎呢。
回复 赞！ 靠！

使用道具 举报

返回列表 发新帖

本版积分规则

QQ|Archiver|小黑屋|技术宅的结界 ( 滇ICP备16008837号 )|网站地图

GMT+8, 2024-12-22 09:01 , Processed in 0.039468 second(s), 28 queries , Gzip On.

Powered by Discuz! X3.5

© 2001-2024 Discuz! Team.

快速回复 返回顶部 返回列表