基于CLueene和TinyXml的全文检索系统研究与实现.pdfVIP

计 算 机 与 现 代 化 2009年第 9期 JISUANJIYUXIANDAIHUA 总第 169期 文章编号：1006-2475(2009)09-0187-04 基于 CLucene和TinyXml的全文检索系统研究与实现 陈龙得，田 青 (江南计算技术研究所，江苏 无锡 214083) 摘要：本文首先介绍了一个高性能的全文索引引擎——cLucene开源项 目，详细分析了CLueene的系统结构、程序运行逻 辑、优缺点，然后将其引入具体应用，结合 XML解析工具TinyXml给出了一个基于CLucene的全文检 索系统的设计与 实现 。 关键词：Clucene；TinyXml；全文检索 中图分类号：TP391．3 文献标识码 ：A doi：10．3969／j．issn．1006-2475．2009．09．054 ResearchandImplementstionofFull-textRetrievalSystem BasedonCLuceneandTinyXml CHENLong—de，TIANQing (JiangnanInstituteofComputingTechnology，Wuxi214083，China) Abstract：ThepaperintroducesCLucene，aopensourceprojeetwhichisahishperformancefull·textretrievalengine，analyzesits architectural，modulesanditsperfomr nace，thenproposesadesignnadimplementationofanfull·textretrievasystem withCLu- eeneandTinyXm1． Keywords：CLucene；TinyXml；full-textretrieval 0 引 言 1 全文检索工具包CLucene 随着计算机技术及网络技术的迅速发展，电子文 1．1基本概念 档数 目急剧膨胀，在海量的信息里面快速、全面、准确 索引(Index)由段 (Segment)组成，段 由文档 地查找所需要的资料信息已经成了人们关注的焦点， (Document)组成，文档由域(Field)组成，域 由字符串 也成了研究领域内的一个热门课题。目前，信息检索 (Term)组成。CLucene索引的结构类似数据库表单 技术的必威体育精装版应用是最近国内外公司相继推出的桌面 记录的结构，索引中的每个段对应着一系列的文件， 有哪些信誉好的足球投注网站引擎，这是集成信息检索技术的典型代表。 或者称为文档。在不同的索引中，段对应文件的数量 信息检索的核心技术是全文检索技术。CLucene 是不同的，这取决于索引中包含域的数量。段相当于 是一个商l生能的c++全文检索工具包，作为一个开放 一 个子索引(sub—index)，只是段之间并不像索引之 源代码项 目，CLucene从问世之后，引发了开放源代码 问是相互独立的。 社群的巨大反响，程序员不仅使用它构建具体的全文 索引一旦建立，索引里面段的数量就已经固定下 检索应用，而且将之集成到各种系统软件中去，以及构 来。在索引增量扩展的过程中，每当有新的记录添加进 建Web应用。TinyXml是 目前非常流行的基于 DOM 索引的时候，段的数量会发生变化。CI~cene会 自动控 模型的XML解析器，简单易用，适于解析配置文件、对 制段的数量，并根据系统设置在适当的时候将段合并。 象序列化等数据量不是很大的操作。本文在研究了 1．2CLuce