在檢索數(shù)據(jù)的時(shí)候，我們很希望可以檢索出數(shù)據(jù)源的各種信息。就比如檢索磁盤文件，可以檢索出文件的路徑，名字， 內(nèi)容，修改時(shí)間等等。再比如檢索圖書(shū)的書(shū)號(hào)、書(shū)名、作者、出版時(shí)間....? Lucene是如何組織這些數(shù)據(jù)源的不同屬性信息呢？

?

Lucene 數(shù)據(jù)源組織結(jié)構(gòu)

?

org.apache.lucene.document包中有兩個(gè)很重要的類：Document 和 Field。這兩個(gè)類將雜亂無(wú)章的數(shù)據(jù)形式組織成可以被Lucene使用的內(nèi)存數(shù)據(jù)結(jié)構(gòu)。

?

Field類的作用主要是用來(lái)表示當(dāng)前數(shù)據(jù)源的各種屬性。 數(shù)據(jù)源的每種屬性信息都可以組織成一個(gè)Field對(duì)象。這些對(duì)象有不同的屬性名，屬性值，以及屬性數(shù)據(jù)的存儲(chǔ)方式和索引方式。

?

舉個(gè)列子，比如我們想要檢索文件的路徑，修改時(shí)間和內(nèi)容。我們可以創(chuàng)建三個(gè)Field對(duì)象分別存儲(chǔ)這三種數(shù)據(jù)：

    //文件路徑Field
Field pathField=new Field("path", file.getPath(), Field.Store.YES, Field.Index.NOT_ANALYZED)
//文件修改時(shí)間Field
Field modifiedField=new Field("modified", DateTools.timeToString(file.lastModified(), DateTools.Resolution.MINUTE), Field.Store.YES, Field.Index.NOT_ANALYZED)
//文件內(nèi)容Field
Field contentField=new Field("contents", new FileReader(file));
  

?

下面是Field構(gòu)造器（Field構(gòu)造器有很多種，這里只做簡(jiǎn)單說(shuō)明）

    /**
 * name:  名字
 * value:  需要處理的字符串
 * store:  是否需要將Field的原始value保存在索引文件中
 * index:  是否需要對(duì)Field的原始value建立索引，如果需要，那么Field值要被分詞。
 */
public Field(String name, String value, Store store, Index index) 
  

?

Store和Index是Field中的枚舉類型，用來(lái)表示這個(gè)Field的存儲(chǔ)和索引方式。它們主要是為了告訴Lucene，哪些數(shù)據(jù)不需要存儲(chǔ)，哪些數(shù)據(jù)不需要檢索。

    /** 
 *  確定該Field的原始value是否需要存儲(chǔ)在索引中
 */
enum Store {
    //該Field的原始值要被存儲(chǔ)在索引中
    //對(duì)短文本很有用。比如一個(gè)文檔的標(biāo)題，這個(gè)value以原始形式存儲(chǔ)，在存儲(chǔ)之前并不通過(guò)analyze分詞
   ?YES {
          public boolean isStored() { return true; }
    },
    //該Field的原始值不需要存儲(chǔ)在索引中
    NO {
          public boolean isStored() { return false; }
    };
    public abstract boolean isStored();
}
/**
 *   確定該Field是否需要索引
 */
enum Index{
      //該Field的值不需要索引，也就是不能提供關(guān)于這種Field值的查詢
      //但是如果這個(gè)Field被存儲(chǔ)了(Stored=YES)，那么我們查詢別的Field的時(shí)候，可以得到這種Field信息
      NO{
          public boolean isIndexed()  { return false; }
          public boolean isAnalyzed() { return false; }
          public boolean omitNorms()  { return true;  }   
      },
      //該Field值需要建索引，而且需要分詞
      // 可以通過(guò)Field值中的詞語(yǔ)進(jìn)行查詢，適合內(nèi)容查詢(全文檢索)
      ANALYZED {
          public boolean isIndexed()  { return true;  }
          public boolean isAnalyzed() { return true;  }
          public boolean omitNorms()  { return false; }   	
     },
      //該Field值需要建索引，但不需要分詞
      //由于不分詞，只能夠通過(guò)整個(gè)值進(jìn)行查詢，適合像商品編號(hào)這樣的ID值或者單個(gè)詞語(yǔ)
      NOT_ANALYZED {
          public boolean isIndexed()  { return true;  }
          public boolean isAnalyzed() { return false; }
          public boolean omitNorms()  { return false; }   	
     },
}

  

?

Document 是Field 的集合(并不是狹隘的文件的含義) 。 在Lucene中，Document作為數(shù)據(jù)源的各種屬性信息的集合，向Lucene提供原始的要索引的數(shù)據(jù)。這些數(shù)據(jù)源不僅可以是文件，也可以是一段字符串、幾個(gè)數(shù)字、甚至一些鏈接。只要把它們加入到Document對(duì)象中，Lucene就可以為這些數(shù)據(jù)源建立索引。下面的部分Document源碼表明：Document主要起到對(duì)Field信息進(jìn)行記錄和管理的作用。

?

    public final class Document implements java.io.Serializable {
 
    //Field列表
    List<Fieldable> fields = new ArrayList<Fieldable>();
    //在Document中加入Field
    public final void add(Fieldable field) {
         fields.add(field);
    }

    public final void removeField(String name){....}
    public final Field getField(String name) {....}
    .....
}
  

?

還是上面檢索文件的例子，每個(gè)文檔文件的不同屬性信息都被組織成了三個(gè)Field對(duì)象：path Field、modified Field、content Field。我們可以創(chuàng)建一個(gè)Document對(duì)象，加入這三個(gè)Field，來(lái)表示一個(gè)文檔文件需要被檢索的三種數(shù)據(jù)。

    Document doc = new Document();  

doc.add(pathField);
doc.add(modifiedField);
doc.add(contentField);
  

?

?

總結(jié) ：下面的圖很清楚的說(shuō)明Lucene的數(shù)據(jù)源表示形式

?

舉個(gè)例子，按照 《Lucene體系結(jié)構(gòu)概述》 中代碼( IndexFiles.java )對(duì)3個(gè)txt文件建立索引。Lucene首先將這三個(gè)數(shù)據(jù)源在內(nèi)存中組織成Document、Field 如下表：

?

Document	?? Field1 (path)	? ? Field2 (modified)	??? Field3 (content)
??? 1.txt	?? e:\\....\\1.txt	?????? 2010-4-1	?I'm a good stud..
??? 2.txt	?? e:\\....\\2.txt	?????? 2010-4-2	?It's me to a fini...
??? 3.txt	?? e:\\....\\3.txt	?????? 2010-2-11	?Hi, Jack me too...

?

Document 和 Field在Lucene中的作用是巨大的。我們都知道Lucene可以對(duì)任何形式的數(shù)據(jù)源建立索引，比如字符串、純文本、XML、HTML等數(shù)據(jù)形式。怎么多雜亂無(wú)章的數(shù)據(jù)必須組織成統(tǒng)一有效的結(jié)構(gòu)才能更好的處理，Document / Field 無(wú)疑做到了這一點(diǎn)。

?

【Lucene3.0 初窺】數(shù)據(jù)源內(nèi)存組織結(jié)構(gòu)—Document/Field