用ＪＳＰ調(diào)用Ｌｕｃｅｎｅ包來實現(xiàn)全文檢索

陸　云

摘要：介紹了實現(xiàn)全文檢索的三個組件(Tomcat、JSP、Lucene)對應(yīng)全文檢索系統(tǒng)結(jié)構(gòu)．給出了具體實現(xiàn)的運作流程和主要部分的核心代碼及相應(yīng)說明。

關(guān)鍵詞：Tomcat+JSP+Lucene運作流程核心代碼說明

中圖分類號TP311.56

文獻標(biāo)識碼B文章編號：1002-2422(2007)03-0029-02

1Tomcat+JSP+Lvcene

1．1Tomcat的Web服務(wù)器

Web服務(wù)器是在網(wǎng)絡(luò)中為實現(xiàn)信息發(fā)布、資料查詢、數(shù)據(jù)處理等諸多應(yīng)用搭建基本平臺的服務(wù)器。Tomcat Server是根據(jù)Servlet和JSP規(guī)范進行執(zhí)行的，是一個十分有用的網(wǎng)絡(luò)應(yīng)用開發(fā)服務(wù)平臺。它的下載、安裝、使用見網(wǎng)站：http：//Aomcat.apache.org/

1．2JSP(Java Server Pages)

JSP(Java Server Pages)是由Sun Microsystems公司倡導(dǎo)、許多公司參與一起建立的一種動態(tài)網(wǎng)頁技術(shù)標(biāo)準(zhǔn)。JSP技術(shù)是用JAVA語言作為腳本語言的，JSP網(wǎng)頁為整個服務(wù)器端的JAVA庫單元提供了一個接口來服務(wù)于HTTP的應(yīng)用程序。

在傳統(tǒng)的網(wǎng)頁HTML文件(*.htm，*.html)中加入Java程序片段(Scriptlet)和JSP標(biāo)記(tag)，就構(gòu)成了JSP網(wǎng)頁(*.jsp)。Web服務(wù)器在遇到訪問JSP網(wǎng)頁的請求時，首先執(zhí)行其中的程序片段，然后將執(zhí)行結(jié)果以HTML格式返回給客戶。

1．3Lucene

Lucene是Apache的開源項目，是用Java寫的全文索引引擎工具包。它提供了許多簡單實用的API，用這些API，就可以方便的嵌入到各種應(yīng)用中，對任何基于文本的數(shù)據(jù)進行全文檢索。

Lucene是用Java寫的，它的運行、調(diào)試都需要有JavaSDK。Lucene的下載、安裝、使用見網(wǎng)站：http：//Aucene.apache.org/

2全文檢索的實現(xiàn)

2．1全文檢索系統(tǒng)的結(jié)構(gòu)

全文檢索系統(tǒng)是按照全文檢索理論建立起來的用于提供全文檢索服務(wù)的軟件系統(tǒng)。一般來說，全文檢索需要具備建立索引和提供查詢的基本功能，此外現(xiàn)代的全文檢索系統(tǒng)還需要具有方便的用戶接口、面向www的開發(fā)接口、二次應(yīng)用開發(fā)接口等等。結(jié)構(gòu)上，全文檢索系統(tǒng)核心具有索引引擎、查詢引擎、文本分析引擎、對外接口等等，加上各種外圍應(yīng)用系統(tǒng)等共同構(gòu)成了全文檢索系統(tǒng)。當(dāng)然，全文檢索系統(tǒng)中最為關(guān)鍵的部分是全文檢索引擎，各種應(yīng)用程序都需要建立在這個引擎之上。

(1)核心部分+檢索引擎：在java平臺上，便用Lucene的API編輯、調(diào)試好全文檢索程序*.java；

(2)開發(fā)接口：編輯*.html文件，加入調(diào)試好的全文檢索程序*.java和相應(yīng)的JSP標(biāo)記(tag)；

(3)Web應(yīng)用程序：Tomcat提供網(wǎng)絡(luò)應(yīng)用開發(fā)服務(wù)平臺，在它的基礎(chǔ)上執(zhí)行*.jsp，最后的程序以*.jsp的形式出現(xiàn)，執(zhí)行時先啟動Tomcat，設(shè)定好端口，在地址欄輸入相應(yīng)的*.jsp。

2．2全文檢索實現(xiàn)主要部分的核心代碼和相應(yīng)分析

一個全文檢索系統(tǒng)的核心部分是建立索引，形成索引文件，然后依據(jù)客戶輸入的索引關(guān)鍵字(詞)，再查找索引文件，形成對應(yīng)，最后按客戶的要求返回檢索結(jié)果，好的檢索程序應(yīng)提供良好界面便于客戶查看檢索結(jié)果。

下面附具體實現(xiàn)對應(yīng)各主要部分的核心代碼和相應(yīng)分析。

2．2．1建立索引

程序中所用類別：

page import=“java.io.*，org.apache.lucene.analysis.*，org.apache.lucene.document.*，org.apache.lucene.index.*，org.apache.lucene.searchh.*，org.apache.lucene．queryPamer.*，org.apoche.lucene.analysis.cn.ChineseAnalyzer,org.apache.lucene.store.Directery，org.apache.lucene.store.FSDirectory

(1)建索引的子程序

public void indexDocs(IndexWriter writer,File fileFile)throwsIOException{

∥do not try to index files that cannot be read

if(fihFile.canRead())

}

if(fileFile.isDirectory()){

String[] files=fileFile.fist()；

∥an IO error could occur

if(files!=null)}

for(int i=O；i＜files.length；i++)｛

遞歸調(diào)用，用于對于文件夾中文件的添加

indexDocs(writer,new File(Filefile，fries[i]))；}

//Document表示一條被索引的記錄，對應(yīng)本程序即為一個文件，doc.add()語句應(yīng)用不同的模式加入文件的不同對象(文件名、所在文件夾、文件內(nèi)容)

Document doc=new Document()；

String fdeName=fdeFile.getName()；

String dirName=fileFile.getPath()。subetring(15)；

doc.add(new Field(“flleName”，fdeName，F(xiàn)ield.Store.YES.Field.

Index.UN_TOKENIZED))；

doe.add(new Field(“directoz7”，dirName，F(xiàn)ield.Store.YES，F(xiàn)ield.

Index.UN_TOKENIZED)：

doc.add(new Field(“content”，new lnputStreamReader(new Fileln-putStream(fdeFile)，“gb2312”)))；

//IndexWriter專門用于索引文件的寫入操作；根據(jù)開始部分定義IndexWfiter writer，writer為IndexWriter對象writer.addDocumem(doc)；

(2)索引建立的主體部分(含對以上子程序的調(diào)用)

//StandandAnalyzer是一個標(biāo)準(zhǔn)分析器，用于對要索引的內(nèi)容進行切分處理，應(yīng)用對象為英文，全文檢索程序需要對網(wǎng)站內(nèi)大量數(shù)據(jù)進行檢索，應(yīng)用對象為中文．ChineseAnalyzer為中文分析器．

Analyzer analyzer=new ChineseAnalyzer()；

IndexWriter iwriter=new IndexWriter(“webapps/search/testindex”，analyzer,true)；

iwriter.setMaxFieldLength(25000)；

//對子程序的調(diào)用

indexDocs(iwriter,new File(“webapps／search/files”))；