江夏lz的博客

1 lucene简介1.1 什么是luceneLucene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 lucene简介要回答这个问题，先要了解lucene的本质。实际上lucene的功能很单一，说到底，就是你给它若干个字符串，然后它为你提供一个全文...

 由于公司用到lucene，现对看到过的帮助较大的lucene学习资料做个整理： http://www.ibm.com/developerworks/cn/web/wa-lucene2/  // 用 Lucene 加速 Web 搜索应用程序的开发 http://xxiongdi.iteye.com/blog/400794  // 分析lucene源码的文章 http:/...

在测试Lucene搜索时，对于　AND 与 +　的区别研究了下索引库中有四条记录，分别是no:300900002071 name:情侣装*休闲女装 no:300900002069 name:情侣装*休闲男装no:400000480418 name:情侣完美坠no:400000480155 name:天然翡翠项链如果用以下字符串来搜索(name:情侣) + (no:...

Lucene是一个高性能的java全文检索工具包，它使用的是倒排文件索引结构。该结构及相应的生成算法如下：　　　　0）设有两篇文章1和2　　文章1的内容为：Tom lives in Guangzhou,I live in Guangzhou too.　　文章2的内容为：He once lived in Shanghai.　　　　1)由于lucene是基于关键词索引和查询的，首先我们要取得这两篇文章...

目前lucene自身提供的StandardAnalyzer已经具备中文分词的功能，但是不一定能够满足大多数应用的需要。 另外网友谈的比较多的中文分词器还有： CJKAnalyzer ChineseAnalyzer IK_CAnalyzer（MIK_CAnalyzer） 还有一些热心网友自己写的比较不错的分词器在此就不说了，有兴趣的可以自己研究研究。 以上三个中文分词器...

lucene检索运算符:1. “:” 指定字段查指定值，如返回所有值*:*2. “?” 表示单个任意字符的通配3. “*” 表示多个任意字符的通配（不能在检索的项开始使用*或者?符号）4. “~” 表示模糊检索，如检索拼写类似于”roam”的项这样写：roam~将找到形如foam和roams的单词；roam~0.8，检索返回相似度在0.8以上的记录。5. 邻近检索，如检索相隔10个单词的”...

1，从官方网站下载solr：apache-solr-3.4.0.zip2，解压已经下载的文件后如下所示Xml代码  E:\jar\solr\apache-solr-3.4.0\example\solr    3，把 apache-solr-3.4.0\example\webapps\solr.war 解压复制到 D:\To...

一、字段配置（schema）schema.xml位于solr/conf/目录下，类似于数据表配置文件，定义了加入索引的数据的数据类型，主要包括type、fields和其他的一些缺省设置。1、先来看下type节点，这里面定义FieldType子节点，包括name,class,positionIncrementGap等一些参数。name：就是这个FieldType的名称。cl...

1、 solr基础因为 Solr 包装并扩展了 Lucene，所以它们使用很多相同的术语。更重要的是，Solr 创建的索引与 Lucene 搜索引擎库完全兼容。通过对 Solr 进行适当的配置，某些情况下可能需要进行编码，Solr 可以阅读和使用构建到其他 Lucene 应用程序中的索引。在 Solr 和 Lucene 中，使用一个或多个 Document 来构建索引。Document...

本文由浅入深，详细介绍了 Heritrix 在 Eclipse 中的配置、运行。最后对其进行扩展，介绍如何实现只抓取特定网站的页面。通过本文，读者可以了解 Heritrix 的相关特点以及在 Eclipse 中的配置运行，能够从零开始构建特定站点的专有爬虫，从而为网站增加全文检索服务。背景随着网站内容的增加，为其添加搜索功能是一个常见的需求，搜索引擎也已成为互联网最重要的应用之...

Solr服务器复制的配置1，首先测试在本机上开启三个tomcat的服务器：一个端口是80，另一个是98882，按照标题一的配置对第二和第三个tomcat服务器进行类似的配置，注意SolrHome的目录不要相同即可，其他的配置不变. 例如:以本机为例tomcat命名     URLSolrHome目录URI      web.xml配置...

        luence有一个IndexDeletePolicy接口，这个接口是提供luence删除索引文件的两个时机，分别是init和commit，init是在IndexWirter创建时执行的。commit是在有索引文件更新，提交是执行的。而indexDeletePolicy这两个方法都会得到一个提交点集合即（IndexCommit），IndexCommit是luence的一个抽...

1. 基本介绍： paoding ：Lucene中文分词“庖丁解牛” Paoding Analysisimdict ：imdict智能词典所采用的智能中文分词程序mmseg4j ： 用 Chih-Hao Tsai 的 MMSeg 算法 实现的中文分词器ik ：采用了特有的“正向迭代最细粒度切分算法“，多子处理器分析模式 2. 开发者及开发活跃度： paod...

Solrj已经是很强大的solr客户端了。它本身就包装了httpCliet，以完全对象的方式对solr进行交互。很小很好很强大。下面直接上自己封装的主要代码：1、solrj操作接口 public interface SolrjQuery {       // solrj查询返回SolrDocument记录的集合 public DataGrid<SolrD...

这是我看到过的写的较好的一篇入门文章，个人觉得相对有些文章来说靠谱些，呵呵。机器上已安装 : Tomcat 7    jdk1.7    mysql 5.0访问 http://www.apache.org/dyn/closer.cgi/lucene/solr , 在这个网址里选择一个路径 , 下载 solr 3.5 的版本solr3.5 在本机解压缩以后 , 把 apache-s...

   Solr有个很方便的处理器叫DataImportHandler,可以通过配置配置db-data-config.xml配置各种数据源然后从中导入数据进行索引,很方便我们进行开发.但是之前从数据库导入数据一直有个问题,就是如果数据库中数据过大,就会导致内存溢出.自己经过阅读源码以及发邮件到Solr邮件列表,终于找到了解决办法,这里拿出来共享.      这里我的Solr版本是Solr1.4....

l  dataDir参数用于替换默认的索引数据目录（./data）。如果重复指定，将使用重复的值。如果不是绝对路径，将使用servlet容器当前工作目录下的相对路径。<dataDir>/var/data/solr</dataDir> l  mainIndex参数部分mainIndex>    <!-- lucene opt...

1.拦截请求，解析请求并构建相应的handler。发送检索请求，例如：http://localhost:8983/solr3.5/core2/select/?q=*%3A*&version=2.2&start=0&rows=10&indent=on首先他将被SolrDispatchFilter拦截。?doFilter(Ser...

      学习新东西前，我一般都会先找些文章来看，整个原理呀、执行过程呀、优缺点呀之类的先了解个大概。然后建个工程开始写例子，在写例子的过程中还会查找些资料，比如百度文库上比较有价值的文档等，只是有些豆豆要的比较多，有点坑爹。在写例子的过程中不断的完善，封装，直到把代码写的看的下去，然后跑通整个过程。前面的那篇solrj的二次开发就主要是对solr的客户端API进行了封装，使之适合自己的使用。总...

   原文出处：http://blog.chenlb.com/2009/01/solr-multicore-work-with-solr-distributed-searching-to-search-big-index.html (系列博文，大牛！) Solr Distributed Searching （分布式搜索） 是 solr 1.3 的特性。大索引，可能有多种原因...

一、SOLR搭建企业搜索平台--MultiCore Solr Multicore 是 solr 1.3 的新特性。其目的一个solr实例，可以有多个搜索应用。 我们知道你既可以把不同类型的数据放到同一index中，也可以使用分开的多indexes。基于这一点，你只需知道如何使用多 indexes（实际上就是运行Solr的多实例）。尽管如此，为每一个类型添加一个完整的Solr实例会显得太臃肿庞大。S...