Lucene自定义排序机制问题研究

摘 要

本文设计了一个Lucene样例程序，实现了完整的索引和搜索功能，并在搜索功能里自定义了多种排序方法，同时分析了核心源代码，上述分析及源代码对相关的工程实践有着较大的参考价值。

【关键词】Lucene 排序 搜索

1 问题的提出

Lucene是一个开源的全文检索引擎架构，由Apache软件基金会支持和提供，它提供了完整的查询引擎和索引引擎，软件开发人员可以方便地在目标系统中实现全文检索功能，或者以此为基础建立完整的全文检索引擎。最近几年来，Lucene成为最受欢迎的免费Java信息检索程序库。

当Lucene返回匹配搜索条件的文档时，一般是按照默认评分对文档进行排序的。但是有时候，我们可能需要按照其它标准对搜索结果进行排序，这就需要自定义排序规则，下面借助一个案例，深入探讨Lucene的自定义排序机制。

2 建立索引并自定义排序规则

2.1 建立索引

首先，准备要索引的内容，本案例拟索引书籍信息，具体包括书名（name）、作者（author）、类型（name）、出版社（pub）、价格（price）和出版日期（date）等内容，定义如下数组：

String[] names={"红楼梦"，"水浒传"，"三国演义"，"西游记"，"国富论"};

String[] authors={"曹雪芹"，"施耐庵"，"罗贯中"，"吴承恩"，"亚当斯密"};

String[] types={"小说"，"小说"，"小说"，"小说"，"经济"};

String[] pubs={"人民文学出版社"，"人民文学出版社"，"光明日报出版社"，"人民文学出版社"，"上海三联书店"};

double[] prices={44.30，35.10，29.20，32.80， 29.40};

String[] dates={"2000-5-1"，"1997-1-1"， "2000-5-1"，"1980-5-1"，"2009-3-1"};

其次，决定索引的存储位置，鉴于本案例数据少，可将索引直接放在内存中，因此创建如下Directory对象。

directory=new RAMDirectory（）;

其中，directory是个类级实例变量，表示索引的存储位置。

再次，创建IndexWriter对象，用以创建和维护索引。

IndexWriterConfig config=new IndexWriterConfig（Version.LUCENE_4_10_2，

new SmartChineseAnalyzer（））;

IndexWriter writer=new IndexWriter（directory， config）;

其中，IndexWriterConfig对象持有创建IndexWriter对象时的所有配置信息，Version指明了Lucene的版本号，SmartChineseAnalyzer对象是Lucene提供的中文分析器，用来在索引期间对中文内容进行分词。

最后，通过循环索引书籍信息。

for（int i=0;i<names.length;i++）

{

Document doc=new Document（）;

doc.add（new StringField（"name"，names[i]，Store.YES））;

doc.add（new StringField（"author"，authors[i]，Store.YES））;

doc.add（new StringField（"type"，types[i]，Store.YES））;

doc.add（new StringField（"pub"，pubs[i]， Store.YES））;

doc.add（new StringField（"date"，dates[i]，Store.YES））;

doc.add（new DoubleField（"price"， prices[i]，Store.YES））;

writer.addDocument（doc）;

}

mit（）;

2.2 自定义不同排序标准进行搜索

首先，创建IndexSearcher对象，这个对象通过IndexReader实现对索引的搜索功能。

IndexReader reader=DirectoryReader.open（directory）;

IndexSearcher searcher=new IndexSearcher（reader）;

其中，IndexReader是一个抽象类，它提供了在任意时间点访问索引的接口，

其次，创建搜索条件。

Term term=new Term（"type"， "小说"）;

Query query=new TermQuery（term）;

其中，Term代表文本中的一个词，它是搜索的关键字，TermQuery则是根据搜索关键字创建的查询。

再次，自定义排序规则。默认情况下，Lucene返回匹配搜索条件的文档，是按照文档评分的高低，进行降序排列的。评分越高，说明与搜索条件匹配的越好，显示顺序越靠前。不过，实际应用中，可能会根据文档的不同域，对文档顺序进行调整。

如果使用默认的关联性评分排序，则编写如下代码：

Sort sort=new Sort（）;

如果根据单个域，进行降序或升序排列，则编写如下代码：

//根据出版日期，降序排列

Sort sort=new Sort（new SortField（"date"， Type.STRING，true））;

//根据书籍价格，升序排序

Sort sort=new Sort（new SortField（"price"， Type.DOUBLE，false））;

如果根据单个域排序，出现数据相同的情况，也可以根据多个域排序，代码如下：

//多个域排序，根据出版日期降序排列，如果日期相同，再根据作者名字降序排列

Sort sort=new Sort（new SortField（"date"， Type.STRING， true），new SortField（"author"，

Type.STRING， true））;

最后，根据搜索条件和排序规则，实现搜索功能。

TopDocs hits=searcher.search（query， 10，sort）;

System.out.println（"找到相关结果"+hits.totalHits+"个"）;

System.out.println（"id＼t书名＼t作者＼t类型＼t出版社＼t＼t出版日期＼t＼t价格"）;

for（ScoreDoc sd：hits.scoreDocs）

{

Document doc=searcher.doc（sd.doc）;

System.out.println（sd.doc+"＼t"+doc.get（"name"）+"＼t"+doc.get（"author"）+

"＼t"+doc.get（"type"）+"＼t"+doc.get（"pub"）+

"＼t"+doc.get（"date"）+"＼t"+doc.get（"price"））;

}

其中，TopDocs表示搜索命中的所有文档，ScoreDoc则表示TopDocs中的一个命中文档，Document表示一个文档，它通过get方法就可以获取指定域的内容。

下面我们观察一下，当自定义一个多域排序规则时，上述程序的运行结果。

找到相关结果4个，如表1所示。

从表1的结果可以看出，匹配文档首先按照出版日期进行了降序排列，日期相同的，则按照作者进行了降序排列。

3 总结

Lucene支持完整的索引和搜索功能，根据搜索条件返回匹配文档时，一定要选择合适的排序规则，这样才能满足不同用户的搜索需求，使得最满足要求的文档排在最前，从而提高用户体验的满意度。

参考文献

[1]Michael McCandless.Lucene In Action[M].北京：人民邮电出版社，2011.

作者简介

刘妍（1978-），黑龙江省哈尔滨市人。现为黑龙江司法警官职业学院信息技术应用系副教授，擅长企业级软件开发。

作者单位

黑龙江司法警官职业学院信息技术应用系 黑龙江省哈尔滨市 150080