有點類似google搜索關鍵詞提示的功能。用Ajax的方式，提示以所輸入文字開頭的前10個lucene已創建的關鍵詞。 Ajax和頁面代碼省略掉，隻貼與lucene相關的代碼。   /** * 關鍵詞提醒 * @param keyword * @return */ public List remindKeyword(String keywo ...

無特別之處，了解的朋友不用看。 /** * 限制分類的搜索 * @param keyword * @param categoryKeyword * @return * @throws LuceneException */ public List searchIndex(String keyword, String categoryKeyword) ...

txt與html解析存在亂碼的問題，這個問題困擾了我好幾天，最後找到一些資料，通過多次嘗試，基本解決了。   public class TxtDocHander extends DocHander { public Document getDocument(byte[] inputByte) throws IOException { // 進行文檔的編碼格式識別 ...

上篇有提到這段代碼： DocHander docHander = DocHanderFactory.buildDocHander(fileName); attachDocument = docHander.getDocument(attach);   下面我們看一看實現細節。   抽象類DocHander的代 ...

/** * 文檔主體建立索引 * 注意文檔與附件分成不同的Document，但搜索到附件內容時，需鏈接到其所在文檔 * @param article * @return * @throws InterruptedException * @throws Exception */ private Document createArticleIn ...

對索引操作的類為KbIndexProcesser  文檔主體類：Article public class Article { private String id; private String topic; private String content; private String categoryId; private String category; ...

       《Lucene實戰開發手記》系列文章的適用對象為Lucene初學者。       本人所在項目組正在開發一個Call Center的系統。需要開發一個知識庫來為客服提供知識搜索的支持。採用Lucene做為搜索引擎。   知識庫的需求如下： 1、知識庫以文檔的 ...

  文本内容提取：  使用net.sf.mpxj 的工具提取文本内容； package com.koders.se.parser; import com.koders.se.search.WikiDOC; import net.sf.mpxj.ProjectFile; import net.sf.mpxj.Resource; import net.sf. ...

在做项目时，经常会碰到这样的事情. 客户向我们反映在和你们的工程师谈论需求时，他们总是满口答应没问题。可是，当他们做好以后，拿过来一看，根本就不是这么回事。而开发人员也在诉苦：用户什么都不懂，而且他们的需求老是变动，时间又这么紧,你让我们怎么办？ 我觉得如果开发人员在做需求分析时,如果注意以下几点,也许可以避免被动的局面. 1、掌握相关的行业知识 在和客户沟通之前，最好了解一下相关的行业知识 ...

我是一个compass的初学者，做了一个compass的存储索引的例子，但是运行时却总是报下面的错,不知是什么原因： 2008-05-09 10:14:05,140 ERROR [org.compass.core.lucene.engine.transaction.ReadCommittedTransaction] - <Failed to read index reader propert ...

最新的Lucene2.3.2发布了，主要修改了一些创建和修改索引时候的Bug。 ======================= Release 2.3.2 2008-05-05 ======================= Bug fixes 1. LUCENE-1191: On hitting OutOfMemoryError in any index-modifying me ...

上午闲着突然想起八皇后问题，上学时听过但没做过。反正没事，我就试着做下。一个上午在纸上画来画去，还是没有思路，都快崩溃了。到下午时候突然有点想法。试着打了一个满足条件的。看来不错，一鼓作气终于做出来了。做出来后发现其实是因为我对递归及回溯了解的不深，所以老理不清思路。核心的方法代码也就10行。不知道别人是怎么做的，希望高手给提供新的思路。      八皇后 ...

去华为面试的一道编程题，要求五分钟写一个程序。把一个输入的数字完全逆转。比如输入25679，返回97652。我第一想法是用StringBuffer的reverse()一句话就写完了。eg：StringBuffer stb=new StringBuffer("3d3a555445");  stb.reverse();然后在先转成String类型，逆转后再转回去。结果面试官说，不能 ...

把我曾经遇到的一些问题跟大家分享下。好多问题教材上找不到答案，当时花费了好多时间，有些是网上查了好久查到的，有些是自己试了好久才明白的。 1）不管屏幕大小，始终把界面显示到屏幕固定比例的位置 2）文件选择器的使用，Java API上讲的太少了，就一个如何使文件选择器显示出来都困扰我很久，不知道大家刚接触时是否有同感。 3）事件处理怎么判断是哪个控件触发了事件。 4）选项卡的使用 5）滚动 ...

3月到5月正是跳槽的时节。 有经验的求职者中会想：我现在虽然还在开发软件，可是我应该及早对人生作出规划呀。可以考虑试试应聘系统架构师。能应聘上，当然好。不能应聘上，也可以积累点经验。 一些公司老板也在考虑，能招到有经验的系统架构师当然好，如果没有，也可以从一些有经验的开发人员中培养。但是，我怎么知道他们是否有这个潜力呢？ 我是做java开发的。所以就java方面的系统架构师所要具备的潜 ...

在公司经常做一些文件分析及修改的工具。大多数的同事用vb，也有人用perl。我刚开始也学着用vb和perl来做。后来做了几次后发现，对于文件操作和字符串匹配Java更有优势。perl的正则表达式是很强大，但是一般的应用根本用不着那么深的分析。而vb对于字符串的操作实在是不敢恭维。举个简单的例子，判断一个字符串是否包含一个子串。java中只需要 String s=“Hello，World ...

需要对一些数据进行去掉重复处理，规则类似于，两条记录的名称和地址相似度很大，则认为是同样的，应该去掉当中的某一个。昨天晚上翻了lucene得书籍，想找找看有什么好的方法没有，最后决定尝试一下fuzzyquery，大早上的就写了一个，结果很让我莫名其妙！ 代码如下： public class FuzzyQueryTest { public static void m ...

对锁机制的研究要具备两个条件： 1．数据量大 2．多个用户同时并发 如果缺少这两个条件，数据库不容易产生死锁问题。研究起来可能会事倍功半。如果这两个条件都有，但你还是按数据库缺省设置来处理数据，则会带来很多的问题，比如： 1）丢失更新 A,B两个用户读同一数据并进行修改,其中一个用户的修改结果破坏了另一个修改的结果 2）脏读 A用户修改了数据时,B用户也在读该数据,但A用户因为某些原因取消了对数据 ...

我认为这篇文章作为入门，对Lucene的总结比较好： 1 lucene简介 1.1 什么是lucene Lucene是一个全文搜索框架，而不是应用产品。因此它并不像www.baidu.com 或者google Desktop那么拿来就能用，它只是提供了一种工具让你能实现这些产品。 1.2 lucene能做什么 要回答这个问题，先要了解lucene的本质。实际上lucene的功能很单一，说到底， ...

你的搜索可以集群吗（这里单指前端应用集群）？这是一个突然发来的问题。。。其实lucene说实话什么都好就是集群不方便。。。查看了些资料基本上做集群都是利用系统的集群文件系统等实现的，这个效率不会好。突然我觉得可以这样的结构来做集群：一台单机做索引，索引文件存在这台物理机上然后利用nfs将索引文件映射到多台前端子机，子机将nfs的内容用RAMDirectory读到内存索引中，然后子机各自使用web服 ...

为了提高索引的速度，利用缓存的方式，达到一定量的时候flush。 lucene2.2版本代码这样写：（部分代码） IndexWriter fsWriter = new IndexWriter(fsDir,analyzer, true); addDocument(fsWriter, s); //添加一条信息到Document if (fsWriter.ramSizeInBytes() > IPara ...

通过Searcher.explain(Query query, int doc)方法可以查看某个文档的得分的具体构成。 在Lucene中score简单说是由 tf * idf * boost * lengthNorm计算得出的。 tf：是查询的词在文档中出现的次数的平方根 idf：表示反转文档频率，观察了一下所有的文档都一样，所以那就没什么用处，不会起什么决定作用。 boost：激励因子，可以 ...

Lucene不是一个完整的全文索引应用，而是是一个用Java写的全文索引引擎工具包，它可以方便的嵌入到各种应用中实现针对应用的全文索引/检索功能。Lucene的作者：Lucene的贡献者Doug Cutting是一位资深全文索引/检索专家，曾经是V-Twin搜索引擎(Apple的Copland操作系统的成就之一)的主要开发者，后在 Excite担任高级系统架构设计师，目前从事于一些INTERNET ...

1.RUP简介 谈到架构设计，就不能说rup,架构是在rup中最早提出来的。 RUP(Rational Unified Process,统一软件开发过程,统一软件过程)是一个面向对象且基于网络的程序开发方法论。 RUP把一个项目开发概括成4个阶段，9个核心工作流程，6大方法。 RUP定义了初始、细化、实现和部署4个阶段 RUP是最佳软件开发经验的总结，它包括了软件开发中的六大方法 ...

构建于lucene之上的可用的Java开源Spider少之又少,spindle长期没有更新且功能不够完善,故而自己参考其源代码重新编写了一个可扩展的WebCrawler,本着开源共享,共同进步的想法发布于此,期冀得到大家的批评指正,有任何意见及建议均可Email联系我(kaninebruno@hotmail.com) 以下代码基于lucene-2.3.1,htmlparser-1.6,je ...

由于我们的业务系统中有大量的MHT格式的资料，需要对其建立索引，搜索很久了一直没有找到相关解析的类库，只好自己动手丰衣足食了。已实现内容的提取以及和lucene的整合，稍后会完善编码检测及其他内容的提取，做一个完整的parser出来。    文本内容提取：  首先提取html部分的内容，解码之后使用nekoHtml提取文本内容；public class Mh ...

NekoHTML在处理html文档时，如果碰到&开始的转义字符(如 空格)，会出现乱码问题！ 现象： 此问题在网络上多次出现，但没有解决办法，经过跟踪nekoHtml的执行，发现其处理&转义字符时需要读取org\cyberneko\html\res\HTMLlat1.properties属性文件，查找&转义字符的对应字符，但是由于某种原因，java.util.Pr ...

搜索 1、对于按创建时间的排序可以使用doc.id的方式 new SortField(null, SortField.DOC, reverse)排序方式尽量使用INT类型的字段 也就是按照写入索引的顺序排序 2、对于时间字符串的排序可以转换成整数进行排序 3、去掉不必要的parse 使用TermQuery替换 4、 ...

索引 1、t.termText()替换为new String(t.termBuffer(),0,t.termLength()) 2、StringReader 和TokenStream对象都需要close 3、索引时Document只用一个、Field只用几个 一个Document对象对应多个Field实例 Field有新的setValue方法 ...

一、简单的搜索程序主要搜索的类：1） IndexSearcher     搜索操作入口，所有的搜索操作都是通过IndexSearcher实例使用一个重载的search方法来实现。        2）Query及其子类   具体的Query子类为每一种特定类型的查询进行了 ...