Lucene 二: Lucene 的总体架构
内容提要
Lucene是高效可扩展的Java全文检索库，仅支持纯文本索引与搜索，不负责文本抽取。其架构分为索引和搜索：索引时用IndexWriter将Document写入反向索引；搜索时IndexSearcher通过Query检索并返回TopDocs。源码模块包括analysis、index、store、QueryParser、search和similarity，分别负责词法分析、索引创建、读写、语法分析、搜索和相关性打分。
延伸解读
Lucene 的定位与边界
Lucene 是一个用 Java 实现的高效、可扩展的全文检索库，无需配置。它仅支持纯文本的索引和搜索，不负责从其他格式抽取文本或从网络抓取文件。这意味着在实际应用中，需要先通过其他工具将 PDF、Word 等转换为纯文本，再交给 Lucene 处理。理解这一边界有助于合理规划技术栈，避免误以为 Lucene 能直接处理所有格式。
索引与搜索的核心流程
Lucene 的架构围绕索引和搜索两个过程展开。索引时，IndexWriter 通过 addDocument 将 Document 写入反向索引；搜索时，IndexSearcher 根据 Query 检索索引，计算 term weight 和 score，并通过 TopDocsCollector 返回结果。这一流程体现了 Lucene 作为检索库的核心机制，开发者需要熟悉这些组件才能有效使用 API。
源码模块与功能对应
Lucene 的源码包结构对应了全文检索的各个环节：analysis 模块负责词法分析及语言处理形成 Term；index 模块负责索引创建，包含 IndexWriter；store 模块负责索引的读写；QueryParser 负责语法分析；search 模块负责搜索；similarity 模块负责相关性打分。了解这些模块的职责，有助于在需要定制或调试时快速定位相关代码。
Q&A
Lucene 是什么？它有哪些主要特点？
Lucene 是一个高效的、可扩展的全文检索库，全部用 Java 实现，无须配置。它仅支持纯文本文件的索引和搜索，不负责从其他格式的文件抽取纯文本，也不负责从网络中抓取文件。
Lucene 的架构包含哪些主要过程？
Lucene 的架构包含索引和搜索两个过程，具体涉及索引创建、索引、搜索三个要点。
Lucene 索引过程中涉及哪些核心组件？
索引过程中，被索引的文档用 Document 对象表示，IndexWriter 通过 addDocument 函数将文档添加到索引中，实现创建索引的过程。Lucene 的索引是反向索引。
Lucene 搜索过程中 IndexSearcher 的作用是什么？
IndexSearcher 通过 search 函数搜索 Lucene 索引，计算 term weight 和 score，并将结果返回给用户。返回的文档集合用 TopDocsCollector 表示。
使用 Lucene API 实现索引的步骤是什么？
步骤包括：1. 创建 IndexWriter，指定索引文件存放位置和 Analyzer；2. 创建 Document 代表要索引的文档；3. 将不同的 Field 加入文档；4. IndexWriter 调用 addDocument 将索引写到索引文件夹中。
使用 Lucene API 实现搜索的步骤是什么？
步骤包括：1. IndexReader 将磁盘上的索引信息读入内存；2. 创建 IndexSearcher；3. 创建 Analyzer 对查询语句进行词法分析和语言处理；4. 创建 QueryParser 进行语法分析，形成查询语法树放到 Query 中；5. IndexSearcher 调用 search 对 Query 进行搜索，得到结果 TopScoreDocCollector。
Lucene 的源码模块有哪些？各自负责什么？
Lucene 的源码模块包括：analysis 模块负责词法分析及语言处理而形成 Term；index 模块负责索引的创建，包含 IndexWriter；store 模块负责索引的读写；QueryParser 负责语法分析；search 模块负责对索引的搜索；similarity 模块负责对相关性打分的实现。
