Contenu

Introduction

• Lucene : l'API de recherche plein-texte et d'indexation des informations
• Accéder rapidement à l'information désirée
• Ajouter un Google-like dans votre application sur vos documents !

Les bases

• Notion de token, index, parser
• Les packages et classes clefs de l'API
• Une utilisation basique : Recherche simple dans une chaîne de caractère

Les packages

• Analysis : Conversion de texte en tokens
• Document : Modèle de représentation d'un document
• Index : Gestion des index
• Search : Effectuer la recherche dans l'index
• Store : Stockage de l'index, en mémoire ou sur disque

Utilisation de Lucene

• Définir la base des documents à indexer
• Choisir les « champs » accessibles des documents pour la recherche
• Stocker les index
• Générer la requête de recherche à partir d'une expression plein-texte
• Obtenir les résultats à partir de l'index

Indexer vos documents

• Support de tous les documents dont le texte est lisible : HTML, XML, PDF, Word, Excel, Visio...
• Indexer une site web en HTML pur et effectuer une recherche sur son contenu

Séparation des fonctionnalités

• Parsing – Indexation - Recherche
• Toutes les fonctionnalités sont séparées afin de permettre un utilisation cross-platform de Lucene

Intégration

• Lucene existe dans plusieurs autre langages : Delphi, Perl, C#, C++, Python, Ruby et PHP

Les fonctionnalités intéressantes

• La puissance de la recherche plein-texte : wildcards, operateurs...
• La recherche dans la recherche : utilisation de filtres pour raffiner une recherche
• Optimisation : l'usage des index comme facteur de réduction du temps de recherche
• Créer un index en mémoire et un autre en système de fichier
• . Comparer les temps de recherche
• Utiliser des wildcards pour profiter de la recherche plein-texte

Fonctionnalités avancées

• Recherche dans plusieurs index (parallèle ou séquentielle)
• Retrouver la position du terme recherché dans le document cible (pour une précision absolue)
• Caching des recherches pour une optimisation des recherches fréquentes

Les projets périphériques à Lucene et leur possibilités

• Nutch : moteur de recherche complet utilisant Lucene comme API d'indexation et de recherche
• Solr : Un serveur de recherche complet s'appuyant sur Lucene et Tomcat
• Compass : mapping des objets pour les rendre « cherchables » à l'aide de Lucene