Lucene更新文档操作


Lucene更新文档操作

新文档是另一个重要的操作,它是索引处理的一部分。此操作用于当已经索引内容被更新和索引变为无效。该操作也被称为重新编制索引。

我们更新文档包含IndexWriter字段,IndexWriter用于更新索引。

现在,我们将展示一个循序渐进的过程,以得到更新文档的理解,开始使用一个基本的例子。

更新文件的索引

  • 创建更新从更新的文本文件 Lucene 文档的方法
private void updateDocument(File file) throws IOException{
   Document document = new Document();

   //update indexes for file contents
   writer.updateDocument(new Term
      (LuceneConstants.CONTENTS,
      new FileReader(file)),document);
   writer.close();
}

创建IndexWriter

  • IndexWriter类作为它在索引过程中创建/更新索引的核心组成部分
  • 创建 IndexWriter 对象
  • 创建其应指向位置,其中索引是存储一个lucene的目录
  • 初始化索引目录,有标准的分析版本信息和其他所需/可选参数创建的 IndexWricrter 对象
private IndexWriter writer;

public Indexer(String indexDirectoryPath) throws IOException{
   //this directory will contain the indexes
   Directory indexDirectory =
      FSDirectory.open(new File(indexDirectoryPath));
   //create the indexer
   writer = new IndexWriter(indexDirectory,
      new StandardAnalyzer(Version.LUCENE_36),true,
      IndexWriter.MaxFieldLength.UNLIMITED);
}

更新文档并开始重建索引过程

下面的两个是方式更新文档。

  • updateDocument(Term, Document) - 删除包含该词条的文档,并添加使用默认的分析文档(在创建索引时,指定写入器)
  • updateDocument(Term, Document,Analyzer) - 删除包含该词条的文档,并使用提供的分析仪中添加的文件。
private void indexFile(File file) throws IOException{
   System.out.println("Updating index for "+file.getCanonicalPath());
   updateDocument(file);   
}

应用程序示例

让我们创建一个测试Lucene的应用程序来测试索引处理

步骤 描述
1 创建一个LuceneFirstApplication在包packagecom.xxkt.lucene下。也可以使用EJB创建的项目
2 创建LuceneConstants.java,TextFileFilter.java和Indexer.java。保持其它的文件不变。
3 创建 LuceneTester.java 如下所述
4 清理和构建应用程序,以确保按要求处理业务逻辑

LuceneConstants.java

这个类是用来提供可应用于示例应用程序中使用的各种常量。

package com.xxkt.lucene;

public class LuceneConstants {
   public static final String CONTENTS="contents";
   public static final String FILE_NAME="filename";
   public static final String FILE_PATH="filepath";
   public static final int MAX_SEARCH = 10;
}

TextFileFilter.java

此类用于为.txt文件过滤器

package com.xxkt.lucene;

import java.io.File;
import java.io.FileFilter;

public class TextFileFilter implements FileFilter {

   @Override
   public boolean accept(File pathname) {
      return pathname.getName().toLowerCase().endsWith(".txt");
   }
}

Indexer.java

这个类是用于索引的原始数据,这样我们就可以使用 Lucene 库,使其可搜索。

package com.xxkt.lucene;

import java.io.File;
import java.io.FileFilter;
import java.io.FileReader;
import java.io.IOException;

import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.index.CorruptIndexException;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.util.Version;

public class Indexer {

   private IndexWriter writer;

   public Indexer(String indexDirectoryPath) throws IOException{
      //this directory will contain the indexes
      Directory indexDirectory =
         FSDirectory.open(new File(indexDirectoryPath));

      //create the indexer
      writer = new IndexWriter(indexDirectory,
         new StandardAnalyzer(Version.LUCENE_36),true,
         IndexWriter.MaxFieldLength.UNLIMITED);
   }

   public void close() throws CorruptIndexException, IOException{
      writer.close();
   }

   private void updateDocument(File file) throws IOException{
      Document document = new Document();

      //update indexes for file contents
      writer.updateDocument(
         new Term(LuceneConstants.FILE_NAME,
         file.getName()),document);
      writer.close();
   }  

   private void indexFile(File file) throws IOException{
      System.out.println("Updating index: "+file.getCanonicalPath());
      updateDocument(file);      
   }

   public int createIndex(String dataDirPath, FileFilter filter)
      throws IOException{
      //get all files in the data directory
      File[] files = new File(dataDirPath).listFiles();

      for (File file : files) {
         if(!file.isDirectory()
            && !file.isHidden()
            && file.exists()
            && file.canRead()
            && filter.accept(file)
         ){
            indexFile(file);
         }
      }
      return writer.numDocs();
   }
}

LuceneTester.java

这个类是用来测试 Lucene 库的索引能力。

package com.xxkt.lucene;

import java.io.IOException;

public class LuceneTester {

   String indexDir = "E:\Lucene\Index";
   String dataDir = "E:\Lucene\Data";
   Indexer indexer;

   public static void main(String[] args) {
      LuceneTester tester;
      try {
         tester = new LuceneTester();
         tester.createIndex();
      } catch (IOException e) {
         e.printStackTrace();
      }
   }

   private void createIndex() throws IOException{
      indexer = new Indexer(indexDir);
      int numIndexed;
      long startTime = System.currentTimeMillis();
      numIndexed = indexer.createIndex(dataDir, new TextFileFilter());
      long endTime = System.currentTimeMillis();
      indexer.close();
   }
}

数据和索引目录的创建

使用10个文件从 record1.txt 到 record10.txt 的文本文件包含简单的名称以及学生的其他细节,并把它们放在目录 E:LuceneData。这些数据用于测试。索引目录路径应创建为E:LuceneIndex。运行此程序后,就可以看到该文件夹中创建的索引文件的列表。

运行程序:

一旦创建源,创造了原始数据,数据目录和索引目录来完成,准备好这一步是编译和运行程序。要做到这一点,在LuceneTester.Java文件选项卡中使用Eclipse IDE 的Run选项,或使用Ctrl+ F11来编译和运行应用程序LuceneTester。如果应用程序一切正常,将在Eclipse IDE控制台打印以下消息:

Updating index for E:LuceneData
ecord1.txt
Updating index for E:LuceneData
ecord10.txt
Updating index for E:LuceneData
ecord2.txt
Updating index for E:LuceneData
ecord3.txt
Updating index for E:LuceneData
ecord4.txt
Updating index for E:LuceneData
ecord5.txt
Updating index for E:LuceneData
ecord6.txt
Updating index for E:LuceneData
ecord7.txt
Updating index for E:LuceneData
ecord8.txt
Updating index for E:LuceneData
ecord9.txt
10 File indexed, time taken: 109 ms

一旦成功地运行程序,将有以下的索引目录中的内容: