Lucene是apache軟體基金會4 jakarta專案組的一個子專案，是一個開放原始碼的全文檢索引擎工具包，即它不是一個完整的全文檢索引擎，而是一個全文檢索引擎的架構，提供了完整的查詢引擎和索引引擎，部分文字分析引擎（英文與德文兩種西方語言）。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，或者是以此為基礎建立起完整的全文檢索引擎。

Lucene的實現機制是倒排表。例如現在有2個文件需要建立索引，內容分別為"Lucene Learning"和"Lucene Hadoop"，建立後的索引實際是這樣的：

索引的優勢在於：雖然建立索引會比較耗時，但是在一次建立後便可以永遠支援高效的查詢。

Lucene的核心類有：

Directory：索引物件，常用有RAMDirectory和FSDirectory兩種，前者代表一個記憶體中的索引檔案，後者代表一個本地的索引檔案。

Filed：欄位，由name和value組成，常用的欄位分為三種：

1. StoredFiled：僅用來儲存資料的欄位，該欄位的資料不會建立索引。
2. StringFiled、LongFiled等：將資料整體建立為索引的欄位。
3. TextFiled：將資料分詞並建立索引的欄位。

Document：索引中儲存的文件結構，一個文件由多個欄位組成。

Term：詞元，相當於索引中的鍵，每個Term都指向一個由文件組成的連結串列。

IndexReader：索引的讀取流，可以從索引中讀取出需要的文件。

IndexWriter：索引的輸出流，將文件寫入索引。

IndexSearcher：索引的搜尋功能。

Query：搜尋條件。

Analyzer：分詞器，可以將欄位中的資料分解成多個詞元。

Lucene的流程：

寫入：將資料來源轉換為文件，然後使用IndexWriter的addDocument方法將文件新增到索引。

查詢：使用IndexReader獲取一個IndexSearcher物件，並建立一個Query物件指定查詢型別，然後使用IndexSearcher的search方法得到文件。

程式碼例項：

新增索引：

public static void init() throws IOException {
	//索引檔案
	Directory dir = FSDirectory.open(new File("E:/index"));
	//索引配置(指定Lucene版本和分詞器)
	IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_4_10_0, new StandardAnalyzer());
	//得到輸出流
	IndexWriter writer = new IndexWriter(dir, config);
	//建立文件
	Document doc = new Document();
	//id會以一個整體被作為詞元被索引 並且會被儲存在文件中
	doc.add(new StringField("id", "123", Field.Store.YES));
	//content會被分詞器分割成數個詞元被索引 但不會儲存在文件中
	doc.add(new TextField("content", "Lucene是apache軟體基金會4 jakarta" +
			"專案組的一個子專案，是一個開放原始碼的全文檢索引擎工具包，即它不是一個完整的全文檢索引擎，" +
			"而是一個全文檢索引擎的架構，提供了完整的查詢引擎和索引引擎，" +
			"部分文字分析引擎（英文與德文兩種西方語言）。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，或者是以此為基礎建立起完整的全文檢索引擎。", Field.Store.NO));
	//address會被分詞器分割成數個詞元被索引 並且會儲存在文件中
	doc.add(new TextField("address", "北京市海淀區翠微路凱德大廈", Field.Store.YES));
	//將文件新增到索引
	writer.addDocument(doc);
	//列印當前已經被索引的文件個數
	System.out.println("被索引的文件個數：" + writer.numDocs());
	writer.close();
}
 

遍歷索引中所有的文件：

public static void ergodic() throws IOException {
	//索引檔案
	Directory dir = FSDirectory.open(new File("E:/index"));
	//得到輸入流
	IndexReader reader = DirectoryReader.open(dir);
	IndexSearcher searcher = new IndexSearcher(reader);
	Document doc = null;
	for (int i = 0; i < reader.maxDoc(); i++) {
		doc = searcher.doc(i);
		System.out.println("Doc [" + i + "] : id: "
				+ doc.get("id") + ", desc: " + doc.get("content"));
	}

}

public static void search() throws IOException, ParseException {
	//索引檔案
	Directory dir = FSDirectory.open(new File("E:/index.txt"));
	//輸入流
	IndexReader reader = DirectoryReader.open(dir);
	IndexSearcher searcher = new IndexSearcher(reader);
	// 搜尋條件
	QueryParser parser = new QueryParser("desc",
			new StandardAnalyzer());
	Query query = parser.parse("索引檔案");
	// 搜尋結果
	TopDocs hits = searcher.search(query, 2);
	System.out.println("查詢出來的總數是：" + hits.totalHits);
	// 獲取搜尋結果
	Document doc = null;
	for (ScoreDoc scoreDoc : hits.scoreDocs) {
		doc = searcher.doc(scoreDoc.doc);
		System.out.println("Doc [" + scoreDoc.doc + "] : id: "
				+ doc.get("id") + ", desc: " + doc.get("content"));
	}
}

1. 對於一個索引檔案，同時只能有一個輸出流對它進行操作．
2. 為了避免頻繁的I/O操作，可以先將索引建立在RAMDirectory中，然後一次性寫入本地檔案。
3. 中文分詞庫比較好用的有Ansj和IK，可以自行百度瞭解。
4. Lucene不支援去重，DuplicateFilter會先將索引進行去重後在進行條件查詢，這樣會造成資料缺失。
5. 索引的更新可以先根據詞元刪除原本的文件後再新增新的文件，在批量操作時效率很高。