Lucene.Net

Lucene.net是Lucene的.net移植版本，是一個開源的全文檢索引擎開發包，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，是一個Library.你也可以把它理解為一個將索引,搜索功能封裝的很好的一套簡單易用的API(提供了完整的查詢引擎和索引引擎)。利用這套API你可以做很多有關搜索的事情,而且很方便.。開發人員可以基于Lucene.net實現全文檢索的功能。

注意：Lucene.Net只能對文本信息進行檢索。如果不是文本信息，要轉換為文本信息，比如要檢索Excel文件，就要用NPOI把Excel讀取成字符串，然后把字符串扔給Lucene.Net。Lucene.Net會把扔給它的文本切詞保存，加快檢索速度。

更多概念性的知識可以參考這篇博文:http://blog.csdn.net/xiucool/archive/2008/11/28/3397182.aspx

這個小Demo樣例展示：

ok,接下來就細細詳解下士怎樣一步一步實現這個效果的。

Lucene.Net 核心——分詞算法（Analyzer）

學習Lucune.Net，分詞是核心。當然最理想狀態下是能自己擴展分詞，但這要很高的算法要求。Lucene.Net中不同的分詞算法就是不同的類。所有分詞算法類都從Analyzer類繼承，不同的分詞算法有不同的優缺點。

內置的StandardAnalyzer是將英文按照空格、標點符號等進行分詞，將中文按照單個字進行分詞，一個漢字算一個詞

Analyzer analyzer = new StandardAnalyzer();  
TokenStream tokenStream = analyzer.TokenStream("",new StringReader("Hello Lucene.Net,我1愛1你China"));  
Lucene.Net.Analysis.Token token = null;  
while ((token = tokenStream.Next()) != null)  
{  
    Console.WriteLine(token.TermText());  
} 

分詞后結果：

二元分詞算法，每兩個漢字算一個單詞，“我愛你China”會分詞為“我愛 愛你 china”，點擊查看二元分詞算法CJKAnalyzer。

Analyzer analyzer = new CJKAnalyzer();  
TokenStream tokenStream = analyzer.TokenStream("", new StringReader("我愛你中國China中華人名共和國"));  
Lucene.Net.Analysis.Token token = null;  
while ((token = tokenStream.Next()) != null)  
{  
    Response.Write(token.TermText()+"<br/>");  
} 

這時，你肯定在想，上面沒有一個好用的，二元分詞算法亂槍打鳥，很想自己擴展Analyzer，但并不是算法上的專業人士。怎么辦？

天降圣器，盤古分詞，點擊下載。

#p#

Lucene.Net核心類簡介（一）

Directory表示索引文件(Lucene.net用來保存用戶扔過來的數據的地方)保存的地方，是抽象類，兩個子類FSDirectory（文件中）、RAMDirectory （內存中）。

IndexReader對索引進行讀取的類，對IndexWriter進行寫的類。

IndexReader的靜態方法bool IndexExists(Directory directory)判斷目錄directory是否是一個索引目錄。IndexWriter的bool IsLocked(Directory directory) 判斷目錄是否鎖定，在對目錄寫之前會先把目錄鎖定。兩個IndexWriter沒法同時寫一個索引文件。IndexWriter在進行寫操作的時候會自動加鎖，close的時候會自動解鎖。IndexWriter.Unlock方法手動解鎖（比如還沒來得及close IndexWriter 程序就崩潰了，可能造成一直被鎖定）。

創建索引庫操作：

構造函數：IndexWriter(Directory dir, Analyzer a, bool create, MaxFieldLength mfl)因為IndexWriter把輸入寫入索引的時候，Lucene.net是把寫入的文件用指定的分詞器將文章分詞（這樣檢索的時候才能查的快），然后將詞放入索引文件。

void AddDocument(Document doc)，向索引中添加文檔（Insert）。Document類代表要索引的文檔（文章），最重要的方法Add(Field field)，向文檔中添加字段。Document是一片文檔，Field是字段（屬性）。Document相當于一條記錄，Field相當于字段。

Field類的構造函數 Field(string name, string value, Field.Store store, Field.Index index, Field.TermVector termVector)： name表示字段名； value表示字段值； store表示是否存儲value值，可選值 Field.Store.YES存儲， Field.Store.NO不存儲，Field.Store.COMPRESS壓縮存儲；默認只保存分詞以后的一堆詞，而不保存分詞之前的內容，搜索的時候無法根據分詞后的東西還原原文，因此如果要顯示原文（比如文章正文）則需要設置存儲。 index表示如何創建索引，可選值Field.Index. NOT_ANALYZED ，不創建索引，Field.Index. ANALYZED，創建索引；創建索引的字段才可以比較好的檢索。是否碎尸萬段！是否需要按照這個字段進行“全文檢索”。 termVector表示如何保存索引詞之間的距離。“北京歡迎你們大家”，索引中是如何保存“北京”和“大家”之間“隔多少單詞”。方便只檢索在一定距離之內的詞。

private void CreateIndex()  
        {  
            //索引庫存放在這個文件夾里  
            string indexPath = ConfigurationManager.AppSettings["pathIndex"];  
            //Directory表示索引文件保存的地方，是抽象類，兩個子類FSDirectory表示文件中，RAMDirectory 表示存儲在內存中  
            FSDirectory directory = FSDirectory.Open(new DirectoryInfo(indexPath), new NativeFSLockFactory());  
            //判斷目錄directory是否是一個索引目錄。  
            bool isUpdate = IndexReader.IndexExists(directory);  
            logger.Debug("索引庫存在狀態:"+isUpdate);  
            if (isUpdate)  
            {  
                if (IndexWriter.IsLocked(directory))  
                {  
                    IndexWriter.Unlock(directory);  
                }  
            }  
            //第三個參數為是否創建索引文件夾,Bool Create,如果為True，則新創建的索引會覆蓋掉原來的索引文件，反之，則不必創建,更新即可。  
            IndexWriter write = new IndexWriter(directory, new PanGuAnalyzer(), !isUpdate, IndexWriter.MaxFieldLength.UNLIMITED);  
 
            WebClient wc = new WebClient();  
            //編碼，防止亂碼  
            wc.Encoding = Encoding.UTF8;  
            int maxID;  
            try 
            {  
                //讀取rss，獲得第一個item中的鏈接的編號部分就是最大的帖子編號  
                maxID = GetMaxID();  
            }  
            catch (WebException webEx)  
            {  
                logger.Error("獲得最大帖子號出錯",webEx);  
                return;  
                  
            }  
            for (int i = 1; i <= maxID; i++)  
            {  
                try 
                {  
                    string url = "http://localhost:8080/showtopic-" + i + ".aspx";  
                    logger.Debug("開始下載:"+url);  
                    string html = wc.DownloadString(url);  
                    HTMLDocumentClass doc = new HTMLDocumentClass();  
 
                    doc.designMode = "on";//不讓解析引擎嘗試去執行  
                    doc.IHTMLDocument2_write(html);  
                    doc.close();  
 
                    string title = doc.title;  
                    string body = doc.body.innerText;  
                    //為避免重復索引，先輸出number=i的記錄，在重新添加  
                    write.DeleteDocuments(new Term("number", i.ToString()));  
 
                    Document document = new Document();  
                    //Field為字段，只有對全文檢索的字段才分詞，Field.Store是否存儲  
                    document.Add(new Field("number", i.ToString(), Field.Store.YES, Field.Index.NOT_ANALYZED));  
                    document.Add(new Field("title", title, Field.Store.YES, Field.Index.NOT_ANALYZED));  
                    document.Add(new Field("body", body, Field.Store.YES, Field.Index.ANALYZED, Field.TermVector.WITH_POSITIONS_OFFSETS));  
                    write.AddDocument(document);  
                    logger.Debug("索引" + i.ToString() + "完畢");  
                }  
                catch (WebException webEx)  
                {  
 
                    logger.Error("下載"+i.ToString()+"失敗",webEx);  
                }  
 
            }  
            write.Close();  
            directory.Close();  
            logger.Debug("全部索引完畢");  
        }  
        //取最大帖子號  
        private int GetMaxID()  
        {  
            XDocument xdoc = XDocument.Load("Http://localhost:8080/tools/rss.aspx");  
            XElement channel = xdoc.Root.Element("channel");  
            XElement fitstItem = channel.Elements("item").First();  
            XElement link = fitstItem.Element("link");  
            Match match = Regex.Match(link.Value, @"http://localhost:8080/showtopic-(\d+)\.aspx");  
            string id = match.Groups[1].Value;  
            return Convert.ToInt32(id);  
        } 

這樣就創建了索引庫，利用WebClient爬去所有網頁的內容，這兒需要你添加引用Microsoft mshtml組件，MSHTML是微軟公司的一個COM組件，該組件封裝了HTML語言中的所有元素及其屬性，通過其提供的標準接口，可以訪問指定網頁的所有元素。

當然，創建索引庫最好定時給我們自動創建，類似于Windows計劃任務。

在這兒你可以了解Quartz.Net

首先添加對其（我這個版本有兩個，一個是Quartz.dll,還有一個是Common.Logging）的引用，貌似兩個缺一不可，否則會報錯，類似于文件路徑錯誤。

在Global里配置如下：

public class Global : System.Web.HttpApplication  
 {  
     private static ILog logger = LogManager.GetLogger(typeof(Global));  
     private IScheduler sched;  
     protected void Application_Start(object sender, EventArgs e)  
     {  
         //控制臺就放在Main  
         logger.Debug("Application_Start");  
         log4net.Config.XmlConfigurator.Configure();  
         //從配置中讀取任務啟動時間  
         int indexStartHour = Convert.ToInt32(ConfigurationManager.AppSettings["IndexStartHour"]);  
         int indexStartMin = Convert.ToInt32(ConfigurationManager.AppSettings["IndexStartMin"]);  
         ISchedulerFactory sf = new StdSchedulerFactory();  
         sched = sf.GetScheduler();  
         JobDetail job = new JobDetail("job1", "group1", typeof(IndexJob));//IndexJob為實現了IJob接口的類  
         Trigger trigger = TriggerUtils.MakeDailyTrigger("tigger1", indexStartHour, indexStartMin);//每天10點3分執行  
         trigger.JobName = "job1";  
         trigger.JobGroup = "group1";  
         trigger.Group = "group1";  
 
         sched.AddJob(job, true);  
         sched.ScheduleJob(trigger);  
         //IIS啟動了就不會來了  
         sched.Start();  
     }  
     protected void Session_Start(object sender, EventArgs e)  
     {  
     }  
     protected void Application_BeginRequest(object sender, EventArgs e)  
     {  
     }  
     protected void Application_AuthenticateRequest(object sender, EventArgs e)  
     {  
     }  
     protected void Application_Error(object sender, EventArgs e)  
     {  
         logger.Debug("網絡出現未處理異常:",HttpContext.Current.Server.GetLastError());  
     }  
     protected void Session_End(object sender, EventArgs e)  
     {  
     }  
     protected void Application_End(object sender, EventArgs e)  
     {  
         logger.Debug("Application_End");  
         sched.Shutdown(true);  
     }  
 } 

最后我們的Job去做任務，但需要實現IJob接口

public class IndexJob:IJob  
    {  
        private ILog logger = LogManager.GetLogger(typeof(IndexJob));  
        public void Execute(JobExecutionContext context)  
        {  
            try 
            {  
                logger.Debug("索引開始");  
                CreateIndex();  
                logger.Debug("索引結束");  
            }  
            catch (Exception ex)  
            {  
                logger.Debug("啟動索引任務異常", ex);  
            }  
        }  
} 

Ok,我們的索引庫建立完了，接下來就是搜索了。

#p#

Lucene.Net核心類簡介（二）

IndexSearcher是進行搜索的類，構造函數傳遞一個IndexReader。IndexSearcher的void Search(Query query, Filter filter, Collector results)方法用來搜索，Query是查詢條件， filter目前傳遞null， results是檢索結果，TopScoreDocCollector.create(1000, true)方法創建一個Collector，1000表示最多結果條數，Collector就是一個結果收集器。

Query有很多子類，PhraseQuery是一個子類。 PhraseQuery用來進行多個關鍵詞的檢索，調用Add方法添加關鍵詞，query.Add(new Term("字段名", 關鍵詞))，PhraseQuery. SetSlop(int slop)用來設置關鍵詞之間的最大距離，默認是0，設置了Slop以后哪怕文檔中兩個關鍵詞之間沒有緊挨著也能找到。 query.Add(new Term("字段名", 關鍵詞)) query.Add(new Term("字段名", 關鍵詞2)) 類似于：where 字段名 contains 關鍵詞 and 字段名 contais 關鍵詞。

調用TopScoreDocCollector的GetTotalHits()方法得到搜索結果條數，調用Hits的TopDocs TopDocs(int start, int howMany)得到一個范圍內的結果（分頁），TopDocs的scoreDocs字段是結果ScoreDoc數組， ScoreDoc 的doc字段為Lucene.Net為文檔分配的id(為降低內存占用，只先返回文檔id)，根據這個id調用searcher的Doc方法就能拿到Document了（放進去的是Document，取出來的也是Document）；調用doc.Get("字段名")可以得到文檔指定字段的值，注意只有Store.YES的字段才能得到，因為Store.NO的沒有保存全部內容，只保存了分割后的詞。

搜索的代碼：

查看盤古分詞文檔找到高亮顯示：

private string Preview(string body,string keyword)  
 {  
     PanGu.HighLight.SimpleHTMLFormatter simpleHTMLFormatter = new PanGu.HighLight.SimpleHTMLFormatter("<font color=\"Red\">","</font>");  
     PanGu.HighLight.Highlighter highlighter = new PanGu.HighLight.Highlighter(simpleHTMLFormatter, new Segment());  
     highlighter.FragmentSize = 100;  
     string bodyPreview = highlighter.GetBestFragment(keyword, body);  
     return bodyPreview;  
 } 

因為我們頁面剛進入需要加載熱詞，為了減輕服務端壓力，緩存的使用能使我們解決這一問題。

既然是熱詞，當然是最近幾天搜索量最多的，故Sql語句需要考慮指定的時間之內的搜索數量的排序。

public IEnumerable<Model.SearchSum> GetHotWords()  
        {   
            //緩存  
            var data=HttpRuntime.Cache["hotwords"];  
            if (data==null)  
            {  
                IEnumerable<Model.SearchSum> hotWords = DoSelect();  
                HttpRuntime.Cache.Insert("hotwords",hotWords,null,DateTime.Now.AddMilliseconds(30),TimeSpan.Zero );  
                return hotWords;  
            }  
            return (IEnumerable<Model.SearchSum>)data;  
        }  
        private IEnumerable<Model.SearchSum> DoSelect()  
        {  
            DataTable dt = SqlHelper.ExecuteDataTable(@"  
select top 5 Keyword,count(*) as searchcount  from keywords   
where datediff(day,searchdatetime,getdate())<7  
group by Keyword   
order by count(*) desc ");  
            List<Model.SearchSum> list = new List<Model.SearchSum>();  
            if (dt!=null&&dt.Rows!=null&&dt.Rows.Count>0)  
            {  
                foreach (DataRow row in dt.Rows)  
                {  
                    Model.SearchSum oneModel=new Model.SearchSum ();  
                    oneModel.Keyword = Convert.ToString(row["keyword"]);  
                    oneModel.SearchCount = Convert.ToInt32(row["SearchCount"]);  
                    list.Add(oneModel);  
                }  
            }  
            return list;  
        } 

搜索建議，類似于Baidu搜索時下拉提示框，Jquery UI模擬，下面是獲取根據搜索數量最多的進行排序，得到IEnumerable<Model.SearchSum>集合

 public IEnumerable<Model.SearchSum> GetSuggestion(string kw)  
        {  
            DataTable dt = SqlHelper.ExecuteDataTable(@"select top 5 Keyword,count(*) as searchcount  from keywords   
where datediff(day,searchdatetime,getdate())<7  
and keyword like @keyword  
group by Keyword   
order by count(*) desc",new SqlParameter("@keyword","%"+kw+"%"));  
            List<Model.SearchSum> list = new List<Model.SearchSum>();  
            if (dt != null && dt.Rows != null && dt.Rows.Count > 0)  
            {  
                foreach (DataRow row in dt.Rows)  
                {  
                    Model.SearchSum oneModel = new Model.SearchSum();  
                    oneModel.Keyword = Convert.ToString(row["keyword"]);  
                    oneModel.SearchCount = Convert.ToInt32(row["SearchCount"]);  
                    list.Add(oneModel);  
                }  
            }  
            return list;  
        } 

最關鍵的搜索代碼，詳見注釋和上面Lucene.Net核心類二：

protected void Page_Load(object sender, EventArgs e)  
 {  
     //加載熱詞  
 
     hotwordsRepeater.DataSource = new Dao.KeywordDao().GetHotWords();  
     hotwordsRepeater.DataBind();  
     kw = Request["kw"];  
     if (string.IsNullOrWhiteSpace(kw))  
     {  
         return;  
     }  
     //處理：將用戶的搜索記錄加入數據庫，方便統計熱詞  
     Model.SerachKeyword model = new Model.SerachKeyword();  
     model.Keyword = kw;  
     model.SearchDateTime = DateTime.Now;  
     model.ClinetAddress = Request.UserHostAddress;  
 
     new Dao.KeywordDao().Add(model);  
     //分頁控件  
     MyPage pager = new MyPage();  
     pager.TryParseCurrentPageIndex(Request["pagenum"]);  
     //超鏈接href屬性  
     pager.UrlFormat = "CreateIndex.aspx?pagenum={n}&kw=" + Server.UrlEncode(kw);  
       
     int startRowIndex = (pager.CurrentPageIndex - 1) * pager.PageSize;  
 
 
     int totalCount = -1;  
     List<SearchResult> list = DoSearch(startRowIndex,pager.PageSize,out totalCount);  
     pager.TotalCount = totalCount;  
     RenderToHTML = pager.RenderToHTML();  
     dataRepeater.DataSource = list;  
     dataRepeater.DataBind();  
 }  
 
 private List<SearchResult> DoSearch(int startRowIndex,int pageSize,out int totalCount)  
 {  
     string indexPath = "C:/Index";  
     FSDirectory directory = FSDirectory.Open(new DirectoryInfo(indexPath), new NoLockFactory());  
     IndexReader reader = IndexReader.Open(directory, true);  
     //IndexSearcher是進行搜索的類  
     IndexSearcher searcher = new IndexSearcher(reader);  
     PhraseQuery query = new PhraseQuery();  
       
     foreach (string word in CommonHelper.SplitWord(kw))  
     {  
         query.Add(new Term("body", word));  
     }  
     query.SetSlop(100);//相聚100以內才算是查詢到  
     TopScoreDocCollector collector = TopScoreDocCollector.create(1024, true);//最大1024條記錄  
     searcher.Search(query, null, collector);  
     totalCount = collector.GetTotalHits();//返回總條數  
     ScoreDoc[] docs = collector.TopDocs(startRowIndex, pageSize).scoreDocs;//分頁,下標應該從0開始吧，0是第一條記錄  
     List<SearchResult> list = new List<SearchResult>();  
     for (int i = 0; i < docs.Length; i++)  
     {  
         int docID = docs[i].doc;//取文檔的編號，這個是主鍵，lucene.net分配  
         //檢索結果中只有文檔的id，如果要取Document，則需要Doc再去取  
         //降低內容占用  
         Document doc = searcher.Doc(docID);  
         string number = doc.Get("number");  
         string title = doc.Get("title");  
         string body = doc.Get("body");  
 
         SearchResult searchResult = new SearchResult() { Number = number, Title = title, BodyPreview = Preview(body, kw) };  
         list.Add(searchResult);  
 
     }  
     return list;  
 } 

#p#

Jquery UI模擬Baidu下拉提示和數據的綁定

<script type="text/javascript">  
     $(function () {  
         $("#txtKeyword").autocomplete(  
         {   source: "SearchSuggestion.ashx",  
             select: function (event, ui) { $("#txtKeyword").val(ui.item.value); $("#form1").submit(); }  
         });  
     });  
 </script> 

<div align="center">  
        <input type="text" id="txtKeyword" name="kw" value='<%=kw %>'/>  
        <%-- <asp:Button ID="createIndexButton" runat="server" onclick="searchButton_Click"   
            Text="創建索引庫" />--%>  
        <input type="submit" name="searchButton" value="搜索" style="width: 91px" /><br />  
    </div>  
    <br />  
    <ul id="hotwordsUL">  
          <asp:Repeater ID="hotwordsRepeater" runat="server">  
            <ItemTemplate>  
                <li><a href='CreateIndex.aspx?kw=<%#Eval("Keyword") %>'><%#Eval("Keyword") %></a></li>  
            </ItemTemplate>  
          </asp:Repeater>  
    </ul>  
    &nbsp;<br />  
    
    <asp:Repeater ID="dataRepeater" runat="server" EnableViewState="true">  
        <HeaderTemplate>  
            <ul>  
        </HeaderTemplate>  
        <ItemTemplate>  
            <li>  
                <a href='http://localhost:8080/showtopic-<%#Eval("Number") %>.aspx'><%#Eval("Title") %></a>  
                <br />  
                <%#Eval("BodyPreview") %>  
              
            </li>  
        </ItemTemplate>  
        <FooterTemplate>  
        </ul>  
        </FooterTemplate>  
    </asp:Repeater>  
    <br />  
    <div class="pager"><%=RenderToHTML%></div> 

點擊附件下載：

原文鏈接：http://www.cnblogs.com/OceanEyes/archive/2012/07/31/2616178.html

【編輯推薦】

1. 發布一個自己寫的企業站源碼
2. YQBlog .NET MVC3博客系統之用戶系統實戰
3. ASP.NET MVC涉及到的5個同步與異步
4. ASP.NET 餐飲管理系統制作
5. ASP.NET Cache的一些總結