java全文检索代码 java检索功能

想做出类似百度文库的全文检索,该怎么做?java

如果用Java首选当然是lucene了，不知道你有学过信息检索或者自然语言处理方面的课程没？你这个需求还很不明确，不过思路大概就是数据后台：文本预处理——〉分词——〉索引，这一部分重算法；系统后台：开发一个java web系统，这一部分明确需求；前台展示：这里就是你说的高亮关键词。本身是一个非常庞大的工作量，单就数据的准备就得考虑很多方面，文档的类型、编码，图片处理、纯文本处理等等，接着是中文分词，采用哪种分词算法。lucene只是提供了一个大概的框架，分词器也是非智能的那种。而系统的搭建当然是J2EE工程师的任务了，前提是你必须明确需求（比如“显示出命中关键词附近的内容，并高亮关键词”就属于未细化的需求）。前台展示的话不熟悉。

当然如果一个人想做一个demo的话，我想告诉楼主，也不是一个简单的工作啊！！术业有专攻，任何一部分都是有很多技术细节要实行的。

相关问答

Q1: java的luence全文检索怎么做

lucene是一个公用的全文索引组件，它的目标是把各种各样格式的数据转化成lucene特有的索引文件格式，这样才能通过lucene的高速检索机制进行全文检索。

你的数据来源可以是关系数据库，可以是word、execl、txt文档，可以是html网页，对于这些数据源，你必须将它们内部的数据读取出来，并封装成lucene的document实例，之后让lucene帮你构建索引。

举个例子：你的有一个用户数据库，里面存储了几十万的用户信息，你现在要对这个数据库进行全文索引，那么你要做的事情是：

1.写一段传统的JDBC程序，讲每条的用户信息从数据库读取出来

2.针对每条用户记录，建立一个lucene document

Document doc = new Document();

并根据你的需要，将用户信息的各个字段对应luncene document中的field 进行添加，如：

doc.add(new Field("NAME","USERNAME",Field.Store.YES,Field.Index.UN_TOKENIZED));

然后将该条doc加入到索引中， 如： luceneWriter.addDocument(doc);

这样袱常递端郛得店全锭户就建立了lucene的索引库

3.编写对索引库的搜索程序（看lucene文档），通过对lucene的索引库的查找，你可以快速找到对应记录的ID

4.通过ID到数据库中查找相关记录

ITjob里学。习到的，希望对你有所帮助

Q2: java开源的其它

Quartz 【Java开源 Job调度】

Quartz是OpenSymphony开源组织在Job scheduling领域又一个开源项目,它可以与J2EE与J2SE应用程序相结合也可以单独使用。Quartz可以用来创建简单或为运行十个，百个，甚至是好几万个Jobs这样复杂的日程序表。Jobs可以做成标准的Java组件或 EJBs。Quartz的最新版本为Quartz 1.5.0。

Velocity 【Java开源 模板引擎】

Velocity是一个基于java的模板引擎（template engine）。它允许任何人仅仅简单的使用模板语言（template language）来引用由java代码定义的对象。 当Velocity应用于web开发时，界面设计人员可以和java程序开发人员同步开发一个遵循MVC架构的web站点，也就是说，页面设计人员可以只关注页面的显示效果，而由java程序开发人员关注业务逻辑编码。Velocity将java代码从web页面中分离出来，这样为web站点的长期维护提供了便利，同时也为我们在JSP和PHP之外又提供了一种可选的方案。 Velocity的能力远不止web站点开发这个领域，例如，它可以从模板（template）产生SQL和PostScript、XML，它也可以被当作一个独立工具来产生源代码和报告，或者作为其他系统的集成组件使用。Velocity也可以为Turbine web开发架构提供模板服务（template service）。Velocity+Turbine提供一个模板服务的方式允许一个web应用以一个真正的MVC模型进行开发。 【VeloEclipse ：Velocity在Eclipse平台下的一个辅助开发插件】

Roller Weblogger 【Java开源 Blog博客】

这个weblogging 设计得比较精巧，源代码是很好的学习资料。它支持weblogging应有的特性如：评论功能，所见即所得HTML编辑，TrackBack，提供页面模板，RSS syndication,blogroll管理和提供一个XML-RPC 接口。

XPlanner 【Java开源 项目管理】

XPlanner 一个基于Web的XP团队计划和跟踪工具。XP独特的开发概念如iteration、user stories等，XPlanner都提供了相对应的的管理工具，XPlanner支持XP开发流程，并解决利用XP思想来开发项目所碰到的问题。XPlanner特点包括：简单的模型规划，虚拟笔记卡(Virtual note cards),iterations、user stories与工作记录的追踪，未完成stories将自动迭代，工作时间追踪，生成团队效率，个人工时报表，SOAP界面支持。

JOnAS 【Java开源 J2EE服务器】

JOnAS是一个开放源代码的J2EE实现，在ObjectWeb协会中开发。整合了Tomcat或Jetty成为它的Web容器，以确保符合Servlet 2.3和JSP 1.2规范。JOnAS服务器依赖或实现以下的Java API：JCA、JDBC、JTA 、JMS、JMX、JNDI、JAAS、JavaMail 。

FreeMarker 【Java开源 模板引擎】

FreeMarker允许Java servlet保持图形设计同应用程序逻辑的分离，这是通过在模板中密封HTML完成的。模板用servlet提供的数据动态地生成 HTML。模板语言是强大的直观的，编译器速度快，输出接近静态HTML页面的速度。

【FreeMarker Eclipse Plugin与FreeMarker IDE：Eclipse平台下的辅助开发工具】

Lucene 【Java开源 全文检索】

Apache Lucene是一个开放源程序的搜寻器引擎，利用它可以轻易地为Java软件加入全文搜寻功能。Lucene的最主要工作是替文件的每一个字作索引，索引让搜寻的效率比传统的逐字比较大大提高，Lucen提供一组解读，过滤，分析文件，编排和使用索引的API，它的强大之处除了高效和简单外，是最重要的是使使用者可以随时应自己需要自订其功能。

Beanshell 【Java开源 动态语言】

Beanshell是用Java写成的，一个小型的、免费的、可以下载的、嵌入式的Java源代码解释器，具有对象脚本语言特性。BeanShell执行标准Java语句和表达式，另外包括一些脚本命令和语法。它将脚本化对象看作简单闭包方法（simple method closure）来支持，就如同在Perl和JavaScript中的一样。　它具有以下的一些特点：使用Java反射API以提供Java语句和表达式的实时解释执行；可以透明地访问任何Java对象和API；可以在命令行模式、控制台模式、小程序模式和远程线程服务器模式等四种模式下面运行；与在应用程序中一样，可以在小程序中（Applet）正常运行（无需编译器或者类装载器）；非常精简的解释器jar文件大小为175k

Big Two 【Java开源 Java游戏】

采用Java开发的中国式纸牌升级游戏。源码下载

JBoss SSO Framework 【Java开源 身份认证管理】

JBoss SSO Framework是一个组件集能够很容易集成到现有的web应用中提供单一登录功能.该框架已经能够支持一些重要的SSO标准如SAML。整个系统包括以下组件：

1.联合服务器(Federation Server)– 一个联合服务器用于为放置在不同安全域(security domain)中的web应用程序安全地传播Federation Token。

2.Token编排框架(Token Marshalling Framework)– 这是一组灵活的/可插件的Java API用来marshal/unmarshal一个Federation Token。该系统默认提供一个SAML兼容的编排器(Marshaller) 。

3.身份管管理框架(Identity Management Framework)–这是一组灵活的/可插件的Java API用来连接中中央身份存储库(Identity Store)。该系统默认提供一个Provider来连接基于LDAP的身份存储库。

JawFlow 【Java开源 开源工作流】

JawFlow是一个部分遵循WfMC规范，采用JMX技术开发的工作流引擎。它能够解析XPDL，并能够用Java或BSF支持的脚本语言来自定义行为。

rails-asyncweb 【Java开源 Web服务器】

用于JRuby on Rails的一个快速Http服务器。

jBatchEngine 【Java开源 Job调度】

jBatchEngine是一个采用Java开发的批任务spooler。jBatchEngine与其它以时间为驱动的Job调度引擎不同之处在于它是以事件以驱动，可用于启动任何批处理程序。jBatchEngine可以安装成一个Windows Service或一个Unix Daemon。

Gant 【Java开源 项目构建】

Gant是一个基于Ant的构建工具，它采用Groovy脚本代替XML来编写构建逻辑。 Gant完全依赖于Ant task来做真正的事情，所以你如果用Ant实现构建，但不喜欢用XML构建文件，Gant是一个不错的选择。

Jaxmao 【Java开源 Web服务器】

Tomcat是开源的JSP/Servlet服务器。多年的开发使Tomcat已越来越完善，被越来越多的网站采用。Jaxmao(中文版Tomcat)项目的任务是为Tomcat提供一个友好的中文界面，推广Tomcat在中文JSP/Serlet 开发者中的使用。

Metanotion BlockFile 【Java开源 DBMS数据库】

BlockFile一个100%纯Java，轻量级，单个文件嵌入式数据库。它的功能介于SQLite与BerkeleyDB之间。专门为PDA和Mobile应用程序而开发。

JRuleEngine 【Java开源 规则引擎】

JRuleEngine基于JSR94规范的java规则引擎。

JBasic 【Java开源 动态语言】

JBasic是一个完全采用Java开发的BASIC语言解释器。JBasic可运行在大部分Unix系统(包括Mac OS X),Windows command shell,或VMS DCL command line。

jSoapServer 【Java开源 Web Service】

jSoapServer这个Java类包可以集成到Java应用程序中为外部程序提供一个SOAP接口。jSoapServer是一个独立的SOAP服务器,因此不需要让Java程序运行在像Tomcat这样的容器中。

Artistic Style 【Java开源 代码优化】

Artistic Style是一个C,C++,C#和Java源代码缩排/格式化/美化工具。

JLoom 【Java开源 模板引擎】

JLoom是一个采用类似于JSP语法的模板引擎。参数可以是任何Java类型，甚至是泛型(generic)。JLoom还提供一个Eclipse插件来辅助开发。

Liquid lookfeel 【Java开源 Swing外观】

基于Mosfet Liquid KDE 3.x主题的Swing外观。

MicroNova YUZU 【Java开源 JSP标签】

MicroNova YUZU开源基于EL的JSP标签库。这是一个增强的JSTL(兼容JSP1.2与JSP 2.0)。

Q3: 哪位java高手可以告我如何实现对每一个word文档进行全文检索

首先通过POI读取word，然后用lucene创建索引，索引结构：name：文件名，text：内容。创建好索引之后，搜索，然后统计搜索结果。

POI读取word参考：

lucene参考：

代码自己写的肯定是最符合需要的。

如果有问题可以随时交流，我以前也做过用lucene处理类似问题的。

Q4: java中如何实现全文检索

javajava全文检索代码的开源的免费全文检索工具Lucene

Lucene不是一个完整的全文索引应用java全文检索代码，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底层架构的研究。java全文检索代码他贡献出的Lucene的目标是为各种中小型应用程序加入全文检索功能。

Lucene的发展历程：早先发布在作者自己的，后来发布在SourceForge，2001年年底成为APACHE基金会jakarta的一个子项目：

已经有很多Java项目都使用java全文检索代码了Lucene作为其后台的全文索引引擎，比较著名的有：

Jive：WEB论坛系统；

Eyebrows：邮件列表HTML归档/浏览/查询系统，本文的主要参考文档“TheLucene search engine: Powerful, flexible, and free”作者就是EyeBrows系统的主要开发者之一，而EyeBrows已经成为目前APACHE项目的主要邮件列表归档系统。

Cocoon:基于XML的web发布框架，全文检索部分使用java全文检索代码了Lucene

Eclipse:基于Java的开放开发平台，帮助部分的全文索引使用了Lucene

对于中文用户来说，最关心的问题是其是否支持中文的全文检索。但通过后面对于Lucene的结构的介绍，你会了解到由于Lucene良好架构设计，对中文的支持只需对其语言词法分析接口进行扩展就能实现对中文检索的支持。

java全文检索代码的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于java检索功能、java全文检索代码的信息别忘了在本站进行查找喔。