标签：factory lap nbsp analyzer 字符 form 打开 容器 格式
原文:Net Core使用Lucene.Net和盘古分词器 实现全文检索
Lucene.net
Lucene.net是Lucene的.net移植版本，是一个开源的全文检索引擎开发包，即它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，是一个高性能、可伸缩的文本搜索引擎库。它的功能就是负责将文本数据按照某种分词算法进行切词，分词后的结果存储在索引库中，从索引库检索数据的速度非常快。Lucene.net需要有索引库，并且只能进行站内搜索。（来自百度百科）
效果图
盘古分词
如何使用
将PanGu.dIl与PanGu.Lucenet.Analyzer. dl并加入到项目中
将Dict文件，拷贝到项目Bin文件夹里面
字典文件夹下载：https://pan.baidu.com/s/1HNiLp6bCcodN8vqlck066g 提取码: xydc
测试
可以看到，盘古分词相对Lucene.net自带的一元分词来说，是比较好的，因为一元分词不适合进行中文检索。
一元分词是按字拆分的，比如上面一句话，使用一元分词拆分的结果是："有","一","种","方","言","叫","做","不","老","盖","儿"。如果查找“方言”这个词，是找不到查询结果的。不符合我们的检索习惯，所以基本不使用。
拓展
上面的"不老盖儿"（河南方言），这里想组成一个词，那么需要创建"不老盖儿"词组并添加到字典里面。
使用DictManage工具：https://pan.baidu.com/s/1Yla2DBM74kSbno8cg5kvGw 提取码：tphe
解压，运行 DictManage.exe
然后打开 Dict 文件下的 Dict.dct 文件，并添加"不老盖儿"词组
然后查找就可以看到"不老盖儿"词组
然后保存覆盖原有的 Dict.dct 文件
刷新页面或者重新打开页面看下效果
Demo文件说明
简单实现
创建索引核心代码
///
/// 创建索引
///
///
[HttpGet]
[Route("createIndex")]
public string CreateIndex()
{
//索引保存位置
var indexPath = Directory.GetCurrentDirectory() + "/Index";
if (!Directory.Exists(indexPath)) Directory.CreateDirectory(indexPath);
FSDirectory directory = FSDirectory.Open(new DirectoryInfo(indexPath), new NativeFSLockFactory());
if (IndexWriter.IsLocked(directory))
{
// 如果索引目录被锁定（比如索引过程中程序异常退出），则首先解锁
// Lucene.Net在写索引库之前会自动加锁，在close的时候会自动解锁
IndexWriter.Unlock(directory);
}
//Lucene的index模块主要负责索引的创建
// 创建向索引库写操作对象 IndexWriter(索引目录,指定使用盘古分词进行切词,最大写入长度限制)
// 补充:使用IndexWriter打开directory时会自动对索引库文件上锁
//IndexWriter构造函数中第一个参数指定索引文件存储位置；
//第二个参数指定分词Analyzer，Analyzer有多个子类，
//然而其分词效果并不好，这里使用的是第三方开源分词工具盘古分词；
//第三个参数表示是否重新创建索引，true表示重新创建（删除之前的索引文件），
//最后一个参数指定Field的最大数目。
IndexWriter writer = new IndexWriter(directory, new PanGuAnalyzer(), true,
IndexWriter.MaxFieldLength.UNLIMITED);
var txtPath = Directory.GetCurrentDirectory() + "/Upload/Articles";
for (int i = 1; i 1000; i++)
{
// 一条Document相当于一条记录
Document document = new Document();
var title = "天骄战纪_" + i + ".txt";
var content = System.IO.File.ReadAllText(txtPath + "/" + title, Encoding.Default);
// 每个Document可以有自己的属性（字段），所有字段名都是自定义的，值都是string类型
// Field.Store.YES不仅要对文章进行分词记录，也要保存原文，就不用去数据库里查一次了
document.Add(new Field("Title", "天骄战纪_" + i, Field.Store.YES, Field.Index.NOT_ANALYZED));
// 需要进行全文检索的字段加 Field.Index. ANALYZED
// Field.Index.ANALYZED:指定文章内容按照分词后结果保存，否则无法实现后续的模糊查询
// WITH_POSITIONS_OFFSETS:指示不仅保存分割后的词，还保存词之间的距离
document.Add(new Field("Content", content, Field.Store.YES, Field.Index.ANALYZED, Field.TermVector.WITH_POSITIONS_OFFSETS));
writer.AddDocument(document);
}
writer.Close(); // Close后自动对索引库文件解锁
directory.Close(); // 不要忘了Close，否则索引结果搜不到
return "索引创建完毕";
}
View Code
搜索代码
///
/// 搜索
///
///
[HttpGet]
[Route("search")]
public object Search(string keyWord, int pageIndex, int pageSize)
{
Stopwatch stopwatch = new Stopwatch();
stopwatch.Start();
string indexPath = Directory.GetCurrentDirectory() + "/Index";
FSDirectory directory = FSDirectory.Open(new DirectoryInfo(indexPath), new NoLockFactory());
IndexReader reader = IndexReader.Open(directory, true);
//创建IndexSearcher准备进行搜索。
IndexSearcher searcher = new IndexSearcher(reader);
// 查询条件
keyWord = GetKeyWordsSplitBySpace(keyWord, new PanGuTokenizer());
//创建QueryParser查询解析器。用来对查询语句进行语法分析。
//QueryParser调用parser进行语法分析，形成查询语法树，放到Query中。
QueryParser msgQueryParser = new QueryParser(Lucene.Net.Util.Version.LUCENE_29, "Content", new PanGuAnalyzer(true));
Query msgQuery = msgQueryParser.Parse(keyWord);
//TopScoreDocCollector:盛放查询结果的容器
//numHits 获取条数
TopScoreDocCollector collector = TopScoreDocCollector.create(1000, true);
//IndexSearcher调用search对查询语法树Query进行搜索，得到结果TopScoreDocCollector。
// 使用query这个查询条件进行搜索，搜索结果放入collector
searcher.Search(msgQuery, null, collector);
// 从查询结果中取出第n条到第m条的数据
ScoreDoc[] docs = collector.TopDocs(0, 1000).scoreDocs;
stopwatch.Stop();
// 遍历查询结果
List resultList = new List();
var pm = new Page
{
PageIndex = pageIndex,
PageSize = pageSize,
TotalRows = docs.Length
};
pm.TotalPages = pm.TotalRows / pageSize;
if (pm.TotalRows % pageSize != 0) pm.TotalPages++;
for (int i = (pageIndex - 1) * pageSize; i )
{
var doc = searcher.Doc(docs[i].doc);
var content = HighlightHelper.HighLight(keyWord, doc.Get("Content"));
var result = new ReturnModel
{
Title = doc.Get("Title"),
Content = content,
Count = Regex.Matches(content, "").Count
};
resultList.Add(result);
}
pm.LsList = resultList;
var elapsedTime = stopwatch.ElapsedMilliseconds + "ms";
var list = new { list = pm, ms = elapsedTime };
return list;
}
View Code
盘古分词
///
/// 盘古分词
///
///
///
public static object PanGu(string words)
{
Analyzer analyzer = new PanGuAnalyzer();
TokenStream tokenStream = analyzer.TokenStream("", new StringReader(words));
Lucene.Net.Analysis.Token token = null;
var str = "";
while ((token = tokenStream.Next()) != null)
{
string word = token.TermText(); // token.TermText() 取得当前分词
str += word + " | ";
}
return str;
}
View Code
搜索结果高亮显示
///
/// 搜索结果高亮显示
///
/// 关键字
/// 搜索结果
/// 高亮后结果
public static string HighLight(string keyword, string content)
{
// SimpleHTMLFormatter：这个类是一个HTML的格式类，构造函数有两个，一个是开始标签，一个是结束标签。
SimpleHTMLFormatter simpleHTMLFormatter =
new SimpleHTMLFormatter("" +
"font-family:‘Cambria‘\">", "");
// 创建 Highlighter ，输入HTMLFormatter 和 盘古分词对象Semgent
Highlighter highlighter =
new Highlighter(simpleHTMLFormatter,
new Segment());
// 设置每个摘要段的字符数
highlighter.FragmentSize = int.MaxValue;
// 获取最匹配的摘要段
var str = highlighter.GetBestFragment(keyword, content);
return str;
}
View Code
对关键字进行盘古分词处理
///
/// 对关键字进行盘古分词处理
///
///
///
///
private static string GetKeyWordsSplitBySpace(string keywords, PanGuTokenizer ktTokenizer)
{
StringBuilder result = new StringBuilder();
ICollection words = ktTokenizer.SegmentToWordInfos(keywords);
foreach (WordInfo word in words)
{
if (word == null)
{
continue;
}
result.AppendFormat("{0}^{1}.0 ", word.Word, (int)Math.Pow(3, word.Rank));
}
return result.ToString().Trim();
}
View Code
Github：https://github.com/tenghao6/Lucene-PanGu
Net Core使用Lucene.Net和盘古分词器 实现全文检索
标签：factory lap nbsp analyzer 字符 form 打开 容器 格式
原文地址：https://www.cnblogs.com/lonelyxmas/p/12128029.html