對於一個網站來說，當內容一多的時候，弄個搜尋引擎也是合理的。只是一般來說，這東西的門檻算高，對於沒接觸過理論的人來說，要自行開發搜尋引擎較為困難。某些網站的作法，都是將查詢的關鍵字放進SQL語法直接查詢，通常都是用select * from table where field like ‘%SearchQuery%’ 。但是，這類的查詢語法是很吃資料庫效能的，一旦使用者一多，是會拖垮網站的速度。
好在網路有現成的搜尋引擎元件可以用，而且還是開放原始碼的，本篇文章將以Lucene.Net做示範。
Lucene.Net是Lucene的.Net版本，最初的版本是用Java寫的，如果想使用最新的版本，建議是使用Java版本。
Lucene.Net的網址如下：
http://incubator.apache.org/lucene.net/
首先，對於搜尋引擎的相關知識先做一個簡單的解說，這門技術屬於資訊檢索(Information Retrieval)的範圍，所謂的資訊檢索，就是如何在大量的文件中找到想要的文件的一門學問，而網路的搜尋引擎只是屬於其中的一小部份。建置搜尋引擎的第一步，就是先對大量的文件建立索引，所謂的索引，就是對於文件內容做分析，將內容拆成一個個的詞，再加以統計。
舉例來說，一份文件假設有”This is the book”這一行內容，搜尋引擎通常會將它拆成”This”、”is”、”the”、”book”這幾個詞，往後的文件如果也有相同的詞，搜尋引擎也會將它記錄下來，並統計這個詞出現在哪幾個文件裡、出現在文件的哪一行。之後，搜尋引擎再利用相關的演算法，計算某份文件在某個詞的分數是幾分，這樣在搜尋時，才能算出文件的排序。
總而言之，建置搜尋引擎，必須要有下列的功能：
- 建立索引
- 計算詞(Term)與文件之間的分數
- 由詞搜尋到相關的文件
有了這些概念，接下來再介紹Lucene.Net的用法。在這裡，以搜尋商品做為示範。
一開始先定義商品具有下列屬性。
之後訂立LuceneClass這個類別，建構子內先設定索引的存放位置，以及在裡面宣告一個IndexSearch型別的變數，這個是之後用來做搜尋的。
接下來是建立索引的程式碼。
上述的程式碼，會用到IndexWriter，在這裡只要想成是將一份一份的文件寫入索引，而文件會包含一條一條的屬性。所以這邊會用到Document及Field這兩個類別，一個Document會包含多個Field，前面定義的Product類別，裡面的SaleName、Desc及Price就會以Field來記錄，然後再加進Document裡。需要注意的是，Field的建構子，要設定該Field是否需要儲存、是否需要被索引，如果沒有被索引，該Field就沒有辦法被搜尋，只能當做搜尋結果的一部份內容。
做完索引後，就是重點的搜尋功能。
所謂的搜尋條件，學術上稱為Query，所以在Lucene裡就定義了兩個類別：Query及QueryParser。將使用者輸入的查詢透過QueryParser產生Query物件，然後將Query丟進IndexSearch物件做搜尋，最後回傳的結果就是Hits物件，裡面存放的就是搜尋結果。
最後用WinForm程式做測試，下面是測試的介面。
測試程式內的建構子及相關的變數。
建立索引的程式碼。
搜尋的程式碼。
在建立完索引後，可以看到資料夾內產生了幾個檔案，這些存放了索引的相關資訊。
測試結果。
在Lucene 3.0之前，對於中文的分詞功能較差，它是將中文內容拆成一個一個的中文字，而不是一個詞，如果想要有較佳的中文分詞功能，可以自行在網路上搜尋對岸強者所寫的中文分詞器。
留言列表
