【案例】

實現一個檔案的搜尋功能，通過關鍵字搜尋檔案，凡是檔名或檔案內容包括關鍵字的檔案都需要找出來。還可以根據中文詞語進行查詢，並且需要支援多個條件查詢。

本案例中的原始內容就是磁碟上的檔案，如下圖：

1. 全文檢索(Full-text Search)

       將非結構化資料中的一部分資訊提取出來，重新組織，使其變得有一定結構，然後對此有一定結構的資料進行搜尋，從而達到搜尋相對較快的目的。這部分從非結構化資料中提取出的然後重新組織的資訊，我們稱之索引。

       這種先建立索引，再對索引進行搜尋的過程就叫全文檢索(Full-text Search)。

雖然建立索引的過程也是非常耗時的，但是索引一旦建立就可以多次使用，全文檢索主要處理的是查詢，所以耗時間建立索引是值得的

2. 如何實現全文檢索

       可以使用Lucene實現全文檢索。Lucene是apache下的一個開放原始碼的全文檢索引擎工具包。提供了完整的查詢引擎和索引引擎，部分文字分析引擎。Lucene的目的是為軟體開發人員提供一個簡單易用的工具包，以方便的在目標系統中實現全文檢索的功能。

3. 全文檢索的應用場景

       對於資料量大、資料結構不固定的資料可採用全文檢索方式搜尋，比如百度、Google等搜尋引擎、論壇站內搜尋、電商網站站內搜尋等。

​​​​​​​4. 索引和搜尋流程圖

 4.1​​​​​​​ 獲得原始文件

       原始文件是指要索引和搜尋的內容。原始內容包括網際網路上的網頁、資料庫中的資料、磁碟上的檔案等。

4.2  ​​​​​​​建立文件物件

    獲取原始內容的目的是為了索引，在索引前需要將原始內容建立成文件（Document），文件中包括一個一個的域（Field），域中儲存內容。

這裡我們可以將磁碟上的一個檔案當成一個document，Document中包括一些Field（file_name檔名稱、file_path檔案路徑、file_size檔案大小、file_content檔案內容），如下圖：

【注意】

      1.每個Document可以有多個Field，不同的Document可以有不同的Field，同一個Document可以有相同的Field（域名和域值都相同）

      2.每個文件都有一個唯一的編號，就是文件id，文件id是從0開始並。

4.3​​​​​​​ 分析文件

     將原始內容建立為包含域（Field）的文件（document），需要再對域中的內容進行分析。分析的過程是：

            （1）提取單詞

            （2）將字母轉為小寫

            （3）去除標點符號

            （4）去除停用詞

    生成最終的語彙單元，可以將語彙單元理解為一個一個的單詞。每個單詞叫做一個Term，不同的域中拆分出來的相同的單詞是不同的term。term中包含兩部分一部分是文件的域名，另一部分是單詞的內容。若是出現域名與單詞都相同的情況，則後面會有文件id，用這個id來區分相同的term。

4.4 ​​​​​​​建立索引

      對所有文件分析得出的語彙單元進行索引，索引的目的是為了搜尋，最終要實現只搜尋被索引的語彙單元從而找到Document（文件）。

【注意】  建立索引是對語彙單元索引，通過詞語找文件，這種索引的結構叫倒排索引結構。

4.5 ​​​​​​​查詢索引

       查詢索引也是搜尋的過程。搜尋就是使用者輸入關鍵字，從索引（index）中進行搜尋的過程。根據關鍵字搜尋索引，根據索引找到對應的文件，從而找到要搜尋的內容（這裡指磁碟上的檔案）。