好消息：终于搞定一个全文检索引擎 - lucene(0分)

我也要

我也想要，拿出来让大伙都学习学习吧？大伙凑份子请孙老大

看来真的要学好英文了，老大给的文章 都不会看。

我也想要,可是怕没人理我.那位富翁有就发给我一份.谢先!kunmeng@sina.com

牛人

速度惊人哪，说实话以前并不觉得yysun是顶尖高手，这次算服了。
再一次发现自己乃井底之wa呀，井底之wa.

有人把 Lucene 改写成 C#，能运行到 .NET 平台了 ！
http://sourceforge.net/projects/nlucene
我把我的中文包也改成了 C#，使它能处理中文了。[]

向高手致敬。
[8D][8D][8D]

老板啊，中文包呢~~~呵呵
另外，既然成c#了，那么那个什么JavaCC想必也搞顶了吧？我倒是想把它转成纯c++的

这个 C# 版本就是用了我上面说的“硬改 JavaCC 生成 7 个 Java 类”的方法。

也就是查询的语法分析部分被固定了，或者说，职能使用它给出的查询方法。
另外，C#版本的中文包公布不公布啊老板：）

yysun:
恭喜了，不过这个工作量可真够大的。

请问yysun关于在cocoon中使用lucene作为全文搜索的中文问题。cocoon中的request generator
好象有不能正确解析中文的问题。所以无论xsp:get-parameter 还是request.getParameter都不能
正确传递中文，这是如何配置才能解决的？
还有如果我想查询数据库，可不可以把查询结果印成xml然后再利用lucene的索引得出？
谢谢！mwang@haitaiinc.com

yysun，本站全文检索有源程序可以下吗？我比较菜，看了上面每篇文章，还是没看出那能载，
先谢谢各位了，那里载？

经过研究，把lucene的中文搜索的用法公布一下。
另外，在这里顺便问一下：
1.有没有人用过cocoon，它的中文问题很令人烦恼，猜想主要是编码部分许多地方默认的有问题。
2.http://www.sourceforge.net大家能不能连上？我这里很久连不上了，很多东西下不了。
3.有谁能把以前的kjava包发给我(j2me_cldc-1_0_2-fcs-kjava_overlay.zip)。虽然比较过时了，但是我找不到。
如有错误，欢迎指正！
lucene使用中文检索的方法，这里以在Win2k,jbuilder6,Resin2.1下为例
1.下载lucene1.2和lucene Analyzer cn。
分别在http://jakarta.apache.org/builds/jakarta-lucene/release/v1.2/lucene-1.2.zip和http://marc.theaimsgroup.com/?l=lucene-dev&m=100705753831746&q=p3
2.解开lucene-1.2.zip到任何目录下，可以看到有lucene-demos-1.2.jar和luceneweb.war这2个文件。把luceneweb.war拷贝到resin的webapp目录下。把lucene-demos-1.2.jar加入到jbuilder6的lib中。
3.在lucene-1.2.zip解开的目录下还有lucene-1.2.jar，加入到jbuilder6的lib中。同时，在jbuilder6中建一个项目，包含以上加入的lib，加入yysun写的cn Analyzer源代码。编译后打包，生成新的lucene-1.2.jar（也可以单独作一个包lucene-1.2cn.jar），包括原来的standard和de还有新的cn Analyzer，以代替原来的lucene-1.2.jar。把新做好的lucene覆盖resin/webapp/luceneweb.war中的原来的lucene-1.2.jar；为了方便，把jbuilder使用的那个也覆盖了。
4.在解开lucene-1.2.zip的目录的src/demo/org/apache/lucene/demo下把IndexHTML.java也加入到步骤5中生成的项目中。在该文件中寻找Analyzer，一共有2处。在第一处"import org.apache.lucene.analysis.standard.StandardAnalyzer;"下面加一行"import org.apache.lucene.analysis.cn.ChineseAnalyzer;"，把第2处"writer = new IndexWriter(index, new StandardAnalyzer(), create);"删除或者注释掉，换成"writer = new IndexWriter(index, new ChineseAnalyzer(), create);"，修改项目的应用的运行主类为org.apache.lucene.demo.IndexHTML，运行参数为-create -index /index /root。其中/index表示索引文件存放的位置(这里表示在该项目相同的分区的根目录的子目录index下)，/root表示你需要建立查找索引的文件所在的位置(是文件目录形式，一般为你需要建立全文搜索的站点的根，可以搜索到子目录下的文件，可以是任何文本格式的文件，如html、txt，不支持url，但是可以自行修改源代码添加这个特性。同样，你也可以实现自己的indexer代替IndexHTML以制作如doc,rtf,pdf等的索引)。执行Run操作后，可以看到，index目录下已经建立了许多索引文件。
5.用Winzip打开已经拷贝到resin的webapp下的luceneweb.war，释放出configuration.jsp和result.jsp还有web.xml。编辑configuration.jsp，找到indexLocation这个变量，赋值成"/index"(或者你自己建立的索引的目录名称)；编辑result.jsp，找到"Analyzer analyzer = new StopAnalyzer();"，删除或者注释掉，改成"Analyzer analyzer=new org.apache.lucene.analysis.cn.ChineseAnalyzer();"。然后，在import的标签的下面，加上
<%
String CONTENT_TYPE = "text/html;
charset=utf-8";
response.setHeader("Content-Type",CONTENT_TYPE);
request.setCharacterEncoding("utf-8");
%>
解决编码问题。然后修改web.xml，在webapp这个元素中加上属性 character-encoding="utf-8"(即这样<web-app character-encoding="utf-8" >)。这样子就可以与jsp和具体的编码无关了。把编辑过的上述文件用winzip重新加入到luceneweb.war中去。
6.启动resin，会自动解包。在浏览器中键入"http://localhost/luceneweb/"(注意你自己的resin服务器使用的端口)，可以看到输入界面。键入你希望查找的中文或者英文，如果存在应该可以找得到并且会列出url列表和部分信息。如果你的目录设置正确，可以通过url连结打开找到的文件。
7.cn Analyzer只是区分了英文数字和其它字符。也就是说，如果是letter或者数字，就读一个byte，如果是其他字符，就读2个byte。这样如果你的文件中有日文和韩文等也是可以找的到的。但是，中文的语义匹配就不可能了，只能做到单字查找。Analyzer就是通过一系列的过滤，得到TokenStream建立索引的。我们完全可以建立自己的索引生成器，如数据库的(有人写过mysql的，但是还没有发布)、Xml的(已经有lucene_xml)等等，而且lucene的搜索速度很快。

楼上关于Cocoon的问题见我主页的文章
http://www.8421.org/article.php?id=207

我以前没用过JAVA，不过为了看看lucene，只好研究一下，我已经装了jbuild，但不知该如何编译，另外还需装什么软件才能运行lucene的demo。thanks！please help！！

提示：
ERROR opening the Index - contact sysadmin!
While parsing query: D:/avi/segments (???????????)
是什么意思？
自问自答，呵呵，
由于索引没有建好的缘故；
java org.apache.lucene.demo.IndexHTML -create -index {c:/temp} ..
索引建好，就可以搞定
确实很爽！

我没学过JAVA，如何才能运行LUCENE的DEMO，为什么按SEARCH按钮后总是不能编译SEARCH.JHTML文件。需要安装什么软件？？？/help!!!!

YYSUN,您好！
我想用 C# 版的 lucene，能否提供一下 C# 版本的中文包啊？
期待您的答复。
最近看见 lucene 已经有人做成 C++ 版本的了，这个项目应该是很不错了。