[发明专利]一种基于Lucene的桌面搜索系统及方法

摘要

本发明公开一种基于Lucene的桌面搜索系统及方法，所述系统在Lucene的基础上扩充了中文处理和文本分析功能，包括四个模块：索引文件构建模块、索引文件实时更新模块、索引文件定时更新模块和用户交互模块。方法包括以下步骤：扫描存储在本地磁盘上包含文本信息的文件，提取文件的名称、路径、内容等关键信息，建立倒排索引；监控对文件删除与修改等操作，更新索引，确保文件和索引信息一致；接收用户的查询请求，读取查询请求对应的索引，并进行相似度计算，将查询结果由高到低排列返回给用户，帮助用户快速而准确的定位所需信息。本发明实时性好、占用资源少，拥有较高的查全率和查准率。

主权项

一种基于Lucene的桌面搜索方法，其特征在于，包括以下步骤：步骤1，若系统在计算机上第一次启动，则进入步骤2，否则进入步骤4；步骤2，扫描本地磁盘的所有文件，根据文件扩展名识别出各种包含文本信息的文件，再调用不同类型的文档解析器对相应的文档进行解析，提取文本和元数据，对得到的文本进行拆分，获得每个关键词对应的全文索引信息，采用倒排索引保存每个关键词的全文索引，每个关键词对应一个倒排索引链表，对于倒排索引链表采用压缩方法保存；步骤3，为文本文件建立倒排索引和索引文件列表，所述索引文件列表记录文本文件的路径和修改时间；进入步骤5；步骤4，查看系统停止运行时间，更新索引和索引文件列表，具体包括以下步骤：步骤4‑1，判断系统停止运行时间是否达到规定值：若停止运行时间已经达到规定值，进入步骤4‑2；若停止运行时间没有达到规定值，进入步骤4‑3；步骤4‑2，重新扫描存储在磁盘上包含文本信息的文件，获取文本文件后，与索引文件列表相比较，分析文件在系统停止运行期间发生的变化；步骤4‑3，实时监听系统文件变化，包括：文件创建、文件修改、文件删除和文件重命名；步骤4‑4，获取文件变化后，更新索引和索引文件列表中相应的信息，确保文件和索引信息一致；针对创建文件事件，周期性的合并索引，针对文件删除事件，将文件对应的索引信息标记为“删除”，在发生段合并操作时回收磁盘空间，步骤5，接收用户的查询请求，允许用户指定要查找的文件类型和文件修改时间的范围；步骤6，获得用户的查询请求后，将查询请求按照词典分词进行切分处理，读取经切分处理后的词对应的倒排索引信息，利用索引计算查询请求与文件的相似度，将查询结果由高到低排列返回给用户。