一，什么是全文检索

1.数据的分类

　　1.布局化数据

　　　　格局固定，长度固定，数据类型固定。

　　　　例如：数据库中的数据；

　　2.非布局化数据

　　　　word文档，pdf文档，邮件，html，txt

　　　　格局不固定，长度不固定，数据类型也不固定

2.数据的盘问

　　1，布局化数据的盘问

　　　　Sql语句，盘问布局化数据的要领。简单，速度快。

　　2.非布局化数据的盘问

　　　　例如：从文本文件中找出包罗spring的单词的文件

　　　　1.目测

　　　　2.使用措施代码来实现，把文件读取到内存中，匹配字符串，挨次扫描。

　　　　3.把布局化数据酿成布局化数据

　　　　　　（先按照空格进行字符串拆分，得到一个单词列表，基于单词列表创建一个索引 ）　　

　　　　　　　索引：一个为了提高盘问速度，创建某种数据布局的调集

　　　　　　　然后 盘问索引，按照单词和文档对应关系找到文档列表，这个过程就叫全文检索

3.全文检索

　　先创建索引，然后盘问索引的过程，就叫做全文检索。（创建索引时间较长，但是一次创建可以多次使用，平均每次盘问的速度就提高了速度）

二,全文搜索的应用场景

1，搜索引擎

　　　　百度，360搜索，谷歌，搜狗

2，站内搜索

　　　　论坛搜索，微博搜索，文章搜索

3，电商搜索

　　　　淘宝搜索，京东搜索

4，只要是有搜索的处所，就可以使用到全文检索技术

三，什么是Lucene

　　Lucene是一个基于java开发的全文检索工具包，java开发中Lucene首选。

四，Lucene实现全文检索的流程。

1，创建索引

　　　　1）获得文档

　　　　　　　　原始文档：要基于那些数据来进行搜索，，那么这些数据就是原始文档

　　　　　　　　搜索引擎：使用爬虫获得原始文档

　　　　　　　　站内搜索：数据库中的数据。使用jdbc到数据库中取

　　　　　　　　案列：直接使用io流读取磁盘上的文件。

　　　　2）构建文档东西

　　　　　　　　对应每个原始文档，来创建Document东西。

　　　　　　　　每个Document东西中包罗多个域（Field）

　　　　　　　　域中连结原始文档的数据。

　　　　　　　　　　　域的名称；域的值；

　　　　　　　　　　　每个文档都有一个文档的编号，就是文档id

　　　　3）分析文档

　　　　　　　　就是分词的过程

　　　　　　　　1.按照空格进行拆分，得到一个单词列表

　　　　　　　　2.把单词统一转化成大写或者小写

　　　　　　　　3.去失标点标记

　　　　　　　　4.去失停用词（停用词：无意义的词；如：and）

　　　　　　　　每个关键词都封装成一个Term东西中，Term中包罗两部分内容：关键词包罗的域；关键词自己；（差此外域中拆分出来的关键词是差此外Term）

　　　　4）创建索引

　　　　　　　　基于关键词列表来创建一个索引，生存到磁盘中，生存到索引库中。

　　　　　　　　索引库中包罗：

　　　　　　　　　　　　　　索引

　　　　　　　　　　　　　　Document东西

　　　　　　　　　　　　　　关键词和文档的对应关系

　　　　　　　　通过词语找文档，这种索引的布局就叫倒排索引布局

2，盘问索引　

　　　　1)用户盘问接口

　　　　　　　　用户输入盘问条件的处所

　　　　　　　　例如：百度的搜索框

　　　　2）把关键词封装成一个盘问东西

　　　　　　　　要盘问的域

　　　　　　　　要搜索的关键词

　　　　3）执行盘问

　　　　　　　　按照要盘问的关键词到对应的域中进行搜索

　　　　　　　　找到关键词，按照关键词来找到对应的文档

　　　　4）衬着功效

　　　　　　　　按照文档的id找到文档的东西

　　　　　　　　对关键词进行高亮显示

　　　　　　　　分页显示

　　　　　　　　最终展示出给用户展示