下载本文档
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
1、1.1.1 准备工作环境(10分钟) 2009-10-29 10:02 罗刚 电子工业出版社 我要评论() 摘要:自己动手写搜索引擎第1章遍历搜索引擎技术,本章从快速实现基本的搜索入手,然后深入展开分析搜索的基本技术。本节为大家介绍准备工作环境(10分钟)。 标签:搜索引擎自己动手写搜索引擎 Oracle帮您准确洞察各个物流环节第1章 遍历搜索引擎技术搜索引擎是我们每天上网经常使用的功能,本书介绍的搜索技术需要Java编程语言基础。本章从快速实现基本的搜索入手,然后深入展开分析搜索的基本技术。1.1 30分钟实现的搜索引擎首先从一个简单的搜索引擎入手,实
2、现一个简单的指定目录文件的搜索引擎。实现之前需要读者具有Java开发方面的基础知识。1.1.1 准备工作环境(10分钟)首先要准备一个Java的开发环境。当前可以使用JDK 1.6。JDK 1.6可以从Sun的官方网站下载得到。使用默认方式安装即可。然后要使用的是一个用来管理搜索引擎索引库的jar包,叫做Lucene。目前可以从/java/docs/index.html下载到最新的Lucene,当前的版本是2.3。另外,使用集成开发环境Eclipse,其开发界面如图1-1所示。(点击查看大图)图1-1 Java开发界面如果需
3、要用Web界面搜索,还要下载Tomcat,当前可以从/下载到,推荐使用Tomcat 5.5以上的版本。然后增加Tomcat的内存使用量,防止内存溢出。如果是在Linux下,可以用vi编辑器修改./catalina.sh文件,增加行:1. JAVA_OPTS=-Xmx600m如果是在Windows下,可以用文本编辑器记事本修改./catalina.bat文件,增加行:1. setJAVA_OPTS=-Xmx600m【作者提示】如果不增加内存使用量,运行时可能会出现java.lang.OutOfMemoryError异常。1.1.2 编写代码(15分钟
4、) 2009-10-29 10:02 罗刚 电子工业出版社 我要评论() 摘要:自己动手写搜索引擎第1章遍历搜索引擎技术,本章从快速实现基本的搜索入手,然后深入展开分析搜索的基本技术。本节为大家介绍编写代码(15分钟)。 标签:搜索引擎自己动手写搜索引擎 Oracle帮您准确洞察各个物流环节1.1.2 编写代码(15分钟)搜索引擎的基础在于对全文索引库的管理,在Lucene中,通过IndexWriter来写入索引库。伪代码如下:1创建IndexWriter,准备写索引;2遍历要索引的路径;3优化索引。下面是主要的实现代码:1. publicvoidgo(
5、)throwsException 2. longstart=System.currentTimeMillis(); 3. if(verbose) 4. System.out.println(Creatingindexin:+indexDir); 5. /创建索引目录或者建立增量索引 6. if(incremental)System.out.println(-usingincrementalmode); 7. 8. Index=newIndexWriter(newFile(indexDir),newStandardAnalyzer(), 9. !incremental);/打开或创建索引库,in
6、dexDir是索引存放的路径 10. 11. Filedir=newFile(sSourceDir);/待索引的文件存放的路径 12. indexDir(dir);/索引路径 13. index.optimize();/索引优化 14. index.close();/关闭索引库 15. if(verbose) 16. System.out.println(indexcompletein:+(System.currentTimeMillis()-start)/1000); 17. 下面这段代码把文件内容加到索引库:1. privatevoidindexFile(Fileitem) 2. if(v
7、erbose)System.out.println(AddingFILE:+item); 3. Newsnews=loadFile(item);/把文件中的内容加载到news对象 4. if(news!=null&news.body!=null) 5. Documentdoc=newDocument(); 6. /创建网址列 7. Fieldf=newField(url,news.URL, 8. Field.Store.YES,Field.Index.UN_TOKENIZED, 9. Field.TermVector.NO); 10. doc.add(f); 11. /创建标题列 12. f=
8、newField(title,news.title, 13. Field.Store.YES,Field.Index.TOKENIZED, 14. Field.TermVector.WITH_POSITIONS_OFFSETS); 15. doc.add(f); 16. /创建内容列 17. f=newField(body,news.body.toString(), 18. Field.Store.YES,Field.Index.TOKENIZED, 19. Field.TermVector.WITH_POSITIONS_OFFSETS); 20. doc.add(f); 21. try 22. /文档增加到索引库 23. index.addDocument(doc); 24. 25. catch(Exceptione) 26. 27. e.printStackTrace(); 28. System.exit(-1); 29. 30. 31. 完整的代码可
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 《 4300中厚板轧机主传动系统的扭振研究》
- 2023年无缝管热连轧机项目评估分析报告
- 2024道路建设施工合同书模板
- 2024年浆砌挡墙施工合同
- 2024年拆迁房屋的合同样本
- 2024实习学生劳动合同书样本电子版
- 人生自是有情痴-细读 初中语文九年级下册 12 词四首《江城子》教学实录
- 首师大版品德与生活三年级上册全册教案
- 泛发性脓疱型银屑病的基因组学研究
- 分子生物标志物监测眼烧伤愈合
- 文明施工专项方案
- 水利工程格宾石笼专项施工方案
- 1.3 中华文明的起源 课件 2024-2025学年部编版七年级历史上学期
- 初中体育与健康人教版九年级意外伤害事件的应急处理-心肺复苏教学教学设计
- 2024至2030年中国游学行业市场深度研究及投资战略规划报告
- 2025届高三化学一轮复习策略讲座
- 地球与地球仪-纬线和纬度 2024-2025学年七年级地理上册新教材教学课件(人教版2024)
- 2024年秋季新人教版七年级数学上册教学课件 第三章 代数式 3.2代数式的值(第1课时)
- 2年级音乐教案《湖南文艺出版社小学音乐二年级上册(简谱)-(音乐游戏)我的朋友就是你》9
- 四川省高职单招《文书拟写与档案管理》历年考试真题试题库(含答案)
- 教育教学课件:暑假生活(英文版)
评论
0/150
提交评论