如何读取lucene索引数据

　　我们一步一步来看。这里建设已经有实现建好索引，存放在index目录下。好，要读索引，总得先生成一个读索引器(即Lucene中IndexReader的实例)。好，写下面的程序(程序为C#程序，本文使用DotLucene)。
　　IndexReader reader;
　　问题出来了，IndexReader是一个abstract类，不能实例化。那好，换派生类试试看。找到IndexReader的两个孩子——SegmentReader和MultiReader。用哪个呢？无论是哪个都需要一大堆参数(我是颇费了周折才搞清楚它们的用途，后面再解释)，似乎想用Lucene的索引数据不是那么容易啊。通过跟踪代码和查阅文档，我终于找到使用IndexReader的钥匙。原来IndexReader有一个“工厂模式”的static interface——IndexReader.Open。定义如下：
　　#0001 public static IndexReader Open(System.String path)
　　#0002 public static IndexReader Open(System.IO.FileInfo path)
　　#0003 public static IndexReader Open(Directory directory)
　　#0004 private static IndexReader Open(Directory directory, bool closeDirectory)
　　其中有三个是public的接口，可供调用。打开一个索引，就是这么简单：
　　#0001 IndexReader reader = IndexReader.Open(index);
　　
　　实际上，这个打开索引经历了这样的一个过程：
　　#0001 SegmentInfos infos = new SegmentInfos();
　　#0002 Directory directory = FSDirectory.GetDirectory(index, false);
　　#0003 infos.Read(directory);
　　#0004 bool closeDirectory = false;
　　#0005 if (infos.Count == 1)
　　#0006 {
　　#0007 // index is optimized
　　#0008 return new SegmentReader(infos, infos.Info(0), closeDirectory);
　　#0009 }
　　#0010 else
　　#0011 {
　　#0012 IndexReader[] readers = new IndexReader[infos.Count];
　　#0013 for (int i = 0; i < infos.Count; i++)
　　#0014 readers[i] = new SegmentReader(infos.Info(i));
　　#0015 return new MultiReader(directory, infos, closeDirectory, readers);
　　#0016 }
　　
　　首先要读入索引的段信息(segment information, #0001~#0003)，然后看一下有几个段：如果只有一个，那么可能是优化过的，直接读取这一个段就可以(#0008)；否则需要一次读入各个段(#0013~#0014)，然后再拼成一个MultiReader(#0015)。打开索引文件的过程就是这样。
　　

　　接下来我们要看看如何读取信息了。用下面这段代码来说明。
　　#0001 public static void PrintIndex(IndexReader reader)
　　#0002 {
　　#0003 //显示有多少个document
　　#0004 System.Console.WriteLine(reader + "\tNumDocs = " + reader.NumDocs());
　　#0005 for (int i = 0; i < reader.NumDocs(); i++)
　　#0006 {
　　#0007 System.Console.WriteLine(reader.Document(i));
　　#0008 }
　　#0009
　　#0010 //枚举term，获得信息
　　#0011 TermEnum termEnum = reader.Terms();
　　#0012 while (termEnum.Next())
　　#0013 {
　　#0014 System.Console.Write(termEnum.Term());
　　#0015 System.Console.WriteLine("\tDocFreq=" + termEnum.DocFreq());
　　#0016
　　#0017 TermPositions termPositions = reader.TermPositions(termEnum.Term());
　　#0018 int i = 0;
　　#0019 int j = 0;
　　#0020 while (termPositions.Next())
　　#0021 {
　　#0022 System.Console.WriteLine((i++) + "->" + " DocNo:" + termPositions.Doc() + ", Freq:" + termPositions.Freq());
　　#0023 for (j = 0; j < termPositions.Freq(); j++)
　　#0024 System.Console.Write("[" + termPositions.NextPosition() + "]");
　　#0025 System.Console.WriteLine();
　　#0026 }
　　#0027
　　#0028 //直接获取 的信息
　　#0029 TermDocs termDocs = reader.TermDocs(termEnum.Term());
　　#0030 while (termDocs.Next())
　　#0031 {
　　#0032 System.Console.WriteLine((i++) + "->" + " DocNo:" + termDocs.Doc() + ", Freq:" + termDocs.Freq());
　　#0033 }
　　#0034 }
　　#0035
　　#0036 // FieldInfos fieldInfos = reader.fieldInfos;
　　#0037 // FieldInfo pathFieldInfo = fieldInfos.FieldInfo("path");
　　#0038
　　#0039 //显示 term frequency vector
　　#0040 for (int i = 0; i < reader.NumDocs(); i++)
　　#0041 {
　　#0042 //对contents的token之后的term存于了TermFreqVector
　　#0043 TermFreqVector termFreqVector = reader.GetTermFreqVector(i, "contents");
　　#0044
　　#0045 if (termFreqVector == null)
　　#0046 {
　　#0047 System.Console.WriteLine("termFreqVector is null.");
　　#0048 continue;
　　#0049 }
　　#0050
　　#0051 String fieldName = termFreqVector.GetField();
　　#0052 String[] terms = termFreqVector.GetTerms();
　　#0053 int[] frequences = termFreqVector.GetTermFrequencies();
　　#0054
　　#0055 System.Console.Write("FieldName:" + fieldName);
　　#0056 for (int j = 0; j < terms.Length; j++)
　　#0057 {
　　#0058 System.Console.Write("[" + terms[j] + ":" + frequences[j] + "]");
　　#0059 }
　　#0060 System.Console.WriteLine();
　　#0061 }
　　#0062 System.Console.WriteLine();
　　#0063 }
　　
　　#0004 计算document的个数
　　#0012~#0034 枚举collection中所有的term
　　其中#0017~#0026 枚举每个term在出现的document中的所有位置(第几个词，从1开始计数)；#0029~#0033 计算每个term出现在哪些文档和相应的出现频度(即DF和TF)。
　　#0036~#0037在reader是SegmentReader类型的情况下有效。
　　#0040~#0061可以快速的读取某篇文档中出现的term和相应的频度。但是这部分需要在建索引时，设置storeTermVector为true。比如
　　doc.Add(Field.Text("contents", reader, true));
　　其中的第三项即是。默认为false。
　　

　　有了这些数据，就可以统计我需要的数据了。以后我会介绍如何建立索引，如何应用Lucene。