pdfboxluceneindex.java

《lucene+nutch搜索引擎开发》源代码

package chapter9;

import java.io.FileInputStream;
import java.io.IOException;

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.SimpleAnalyzer;
import org.apache.lucene.analysis.standard.*;
import org.apache.lucene.document.Document;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.Term;
import org.apache.lucene.search.Hits;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.TermQuery;
import org.pdfbox.searchengine.lucene.LucenePDFDocument;

public class PDFBoxLuceneIndex {
	private static String Dest_Index_Path = "D:\\workshop\\index";
	
	/*================================================================
	 * 名 称：PDFQueryIndex
	 * 功 能：构造PDF文档检索查询器，对指定的索引进行查询。
	 ===============================================================*/
	public static void PDFQueryIndex(){
		
		try {
			IndexSearcher searcher = new IndexSearcher(Dest_Index_Path); // 生成检索器对象
			Term term = new Term("contents","pdf");                      // 检索关键字
			Query query = new TermQuery(term);                           // 生成检索对象
			System.out.println("----------检索内容："+query.toString()+"----------");	

			Hits hits = searcher.search(query);                          // 提交检索
			
			System.out.println("----------检索结果: 共检索到 "+hits.length()+" 条 ----------");		
			
			for(int i=0; i < hits.length(); i++)                         // 获得结果
			{
				System.out.println(hits.doc(i));
				System.out.println(hits.doc(i).getField("id"));			
			}
			
		}catch (IOException e) {
				e.printStackTrace();
		}

		System.out.println("----------索引检索：PDF索引查询成功----------");		
		
	}
	
	/*================================================================
	 * 名 称：PDFIndexBuilder
	 * 功 能：构造PDF磁盘索引，添加内容到指定目录，为后续检索查询做好准备。
	 ===============================================================*/
	public static void PDFIndexBuilder(){
		
		try {
			
			//Analyzer TextAnalyzer = new SimpleAnalyzer();                   // 生成分析器
			Analyzer TextAnalyzer = new StandardAnalyzer();                   // 生成分析器
			IndexWriter TextIndex = new IndexWriter(Dest_Index_Path,TextAnalyzer,true);      // 生成索引器
	        TextIndex.setUseCompoundFile(true);
			FileInputStream instream = new FileInputStream("D:\\workshop\\docs\\index.pdf"); // 根据指定文件创建输入流
			
			Document document = LucenePDFDocument.getDocument( instream ) ; // 由PDF文件生成文档对象
			System.out.println("----------创建索引：PDF 文件内容  ----------");		

			System.out.println(document);
			TextIndex.addDocument(document);                                // 添加文档到索引

			TextIndex.optimize();
			TextIndex.close();                                              // 索引完毕
		
		}catch (IOException e) {
				e.printStackTrace();
		}

		System.out.println("----------创建索引：PDF 文件成功. ----------");		
	}
	/*================================================================
	 * 名 称：main
	 * 功 能：测试Lucene中PDF文件的索引建立和检索查询功能。
	 ===============================================================*/
	public static void main(String[] args) {
		
		PDFIndexBuilder();    // 创建索引
		PDFQueryIndex();      // 检索关键字 
		
		System.out.println("----------PDF Lucene 检索测试 ----------");
	}
}