Top / Java / Lucene

Luceneとは

LuceneはJavaで書かれた検索エンジンです。インデックスを作成するインデクサと、検索を行うエンジンの二つでなっています。「辞書」と呼ばれるファイルを用いて、あらかじめ検索対象からインデックスを作成しておき、検索時にはインデックスを検索するという仕組みです。アプリで検索機能を利用したくて使ってみました。

下準備

辞書の作成

Luceneを使うにはあらかじめインデックスを作成しておきますが、そのための辞書も 自分で作成しておく必要があります。そのためのライブラリが、Senと呼ばれるモノです。SenはJavaで実装された形態素解析器です。Sen ProjectのWEBSiteはこちら

SenとLuceneのダウンロード

このサイト より

  • lucene-ja-1.4.2sen1.1.zip
  • sen-1.1.zip

をダウンロードします。適当なところに上のアーカイブは解凍しておきましょう。

辞書作成

辞書を作成するために ipadic-2.6.0.tar.gz というファイルが必要なのですが、インターネットにアクセスできる環境では自動的にダウンロードされてきます。イントラの人は

http://chasen.naist.jp/stable/ipadic/

よりipadic-2.6.0.tar.gz をダウンロードし、senのdicディレクトリにipadic-2.6.0.tar.gzのままおいておきましょう。

辞書を作成するには以下のコマンドを実行します。

>cd c:/javatools/sen/ <-senを解凍したディレクトリ
>cd dic
>ant -Dperl.bin=c:/cygwin/bin/perl.exe

以上で辞書が作成されます。

コマンドプロンプトを使う、JavaAPIを使う

ここから先はコマンドプロンプトでインデックス作成、検索を行うインタフェースと、JavaのAPI経由でインデックス作成、検索を行うインターフェースの2通りが存在します。

インデックスの作成(プロンプト)

ためしにEclipseのworkspaceのインデックスを作成します。コマンドプロンプトで

> set SEN_HOME=c:\javatools\sen
> set LUCENE_HOME=c:\javatools\lucene-ja
> set PATH=%PATH%;%LUCENE_HOME%\bin
> mktextindex.bat -create -index hoge C:\workspace

でインデックスが作成されます。

オプションの意味は

-create
新規に作成するときに指定(これ指定しないとエラーになるので注意!)
-index hoge
hogeはインデックスを作成するディレクトリ

最後の引数C:\workspaceはドキュメントが格納されたディレクトリです。

検索する(プロンプト)

インデックスの作成(Java API)

検索する(Java API)

やってみて

Luceneのサイトを色々見ましたが、どのサイトを拝見してもディレクトリ階層上の「ファイル」を一単位として検索していましたが、Luceneはその形式に依存していないんですね。つまり、Documentクラスのインスタンスが何と一対一対応するかは、インデックスを作成するやり方で決まるわけです。Documentクラスをファイル単位で作成すると、上のようなファイルを対象にした全文検索となります。DocumentクラスをDBのRow単位とすると、レコードを対象とした検索になります。


以下まだメモ

document.add(Field.Text("code", code)); <- 検索対象になる。さらに保存される
document.add(Field.UnIndexed("fullName", fullName)); <- 検索対象にならない。保存するだけ(このキーでで値は取得できる)
document.add(Field.UnStored("name", name)); <-検索対象になるけど、保存されない(このキーでは値を取得できない)
document.add(Field.Keyword("name", name)); <-ようわからん。完全一致になる??保存する。

関連リンク


この記事は

選択肢 投票
おもしろかった 5  
そうでもない 0  

Top / Java / Lucene

現在のアクセス:12460


トップ   編集 凍結 差分 バックアップ 添付 複製 名前変更 リロード   新規 一覧 単語検索 最終更新   ヘルプ   最終更新のRSS
Last-modified: 2009-11-05 (木) 12:16:31 (3666d)