1.Elasticsearch7.8.0集成IK分词器改源码实现MySql5.7.2实现动态词库实时更新
2.如何读取elasticsearch的源码分词索引信息
3.Google Aviator——轻量级 Java 表达式引擎实战
4.å¦ä½ç®ä¾¿ä½¿ç¨ikanalyzer
5.叙述使用计算机(击键)输入中文的原理?
6.Unity3d FootIK写一个最简单的IK（1）
Elasticsearch7.8.0集成IK分词器改源码实现MySql5.7.2实现动态词库实时更新
本文旨在探讨 Elasticsearch 7.8.0 集成 IK 分词器的改源码实现，配合 MySQl 5.7.2 实现动态词库实时更新的分析方法。
IK 分词器源码通过 URL 请求文件或接口实现热更新，源码无需重启 ES 实例。分析然而，源码这种方式并不稳定，分析小米粒源码因此，源码采用更为推荐的分析方案，即修改源码实现轮询查询数据库，源码以实现实时更新。分析
在进行配置时，源码需下载 IK 分词器源码，分析并确保 maven 依赖与 ES 版本号相匹配。源码引入 MySQl 驱动后，分析开始对源码进行修改。源码
首先，创建一个名为 HotDictReloadThread 的新类，用于执行远程词库热更新。接着，修改 Dictionary 类的 initial 方法，以创建并启动 HotDictReloadThread 实例，执行字典热更新操作。
在 Dictionary 类中，找到 reLoadMainDict 方法，针对扩展词库维护的逻辑，新增代码加载 MySQl 词库。为此，需预先在数据库中创建一张表，用于维护扩展词和停用词。同时，在项目根路径的 config 目录下创建 jdbc-reload.properties 配置文件，用于数据库连接配置。
通过 jdbc-reload.properties 文件加载数据库连接，执行扩展词 SQL，火牛分享赚钱源码将结果集添加到扩展词库中。类似地，实现同步 MySQl 停用词的逻辑，确保代码的清晰性和可维护性。
完成基础配置后，打包插件并将 MySQl 驱动 mysql-connector-java.jar 与插件一同发布。将插件置于 ES 的 plugins 目录下，并确保有相应的目录结构。启动 ES，查看日志输出，以验证词库更新功能的运行状态。
在此过程中，可能遇到如 Column 'word' not found、Could not create connection to database server、no suitable driver found for jdbc:mysql://...、AccessControlException: access denied 等异常。通过调整 SQL 字段别名、确认驱动版本匹配、确保正确配置环境以及修改 Java 政策文件，这些问题均可得到解决。
本文通过具体步骤和代码示例，详细介绍了 Elasticsearch 7.8.0 集成 IK 分词器，配合 MySQl 5.7.2 实现动态词库实时更新的完整流程。读者可根据本文指南，完成相关配置和代码修改，以实现高效且稳定的词库管理。
如何读取elasticsearch的分词索引信息
一、插件准备
网上有介绍说可以直接用plugin -install medcl/elasticsearch-analysis-ik的办法，但是我执行下来的效果只是将插件的源码下载下来，elasticsearch只是将其作为一个_site插件看待。
所以只有执行maven并将打包后的jar文件拷贝到上级目录。（否则在定义mapping的analyzer的时候会提示找不到类的错误）。
由于IK是源码之家 表白页面基于字典的分词，所以还要下载IK的字典文件，在medcl的elasticsearch-RTF中有，可以通过这个地址下载：
下载之后解压缩到config目录下。到这里，你可能需要重新启动下elasticsearch，好让下一部定义的分词器能立即生效。
二、分词定义
分词插件准备好之后就可以在elasticsearch里定义（声明）这个分词类型了（自带的几个类型，比如standred则不需要特别定义）。跟其他设置一样，分词的定义也可以在系统级（elasticsearch全局范围），也可以在索引级（只在当前index内部可见）。系统级的定义当然是指在conf目录下的
elasticsearch.yml文件里定义，内容大致如下：
index:
analysis:
analyzer:
ikAnalyzer:
alias: [ik]
type: org.elasticsearch.index.analysis.IkAnalyzerProvider
或者 index.analysis.analyzer.ik.type : "ik"
因为个人喜好，我并没有这么做， 而是定义在了需要使用中文分词的index中，这样定义更灵活，也不会影响其他index。
在定义analyze之前，先关闭index。其实并不需要关闭也可以生效，但是为了数据一致性考虑，还是先执行关闭。（如果是线上的系统需要三思）
curl -XPOST
(很显然，这里的application是我的一个index）
然后执行：
curl -XPUT localhost:/application/_settings -d '
{
"analysis": {
"analyzer":{
"ikAnalyzer":{
"type":"org.elasticsearch.index.analysis.IkAnalyzerProvider",
"alias":"ik"
}
}
}
}
'
打开index：
curl -XPOST
到此为止一个新的类型的分词器就定义好了，接下来就是要如何使用了
或者按如下配置
curl -XPUT localhost:/indexname -d '{
"settings" : {
"analysis" : {
"analyzer" : {
"ik" : {
"tokenizer" : "ik"
}
}
}
},
"mappings" : {
"article" : {
"dynamic" : true,
"properties" : {
"title" : {
"type" : "string",
"analyzer" : "ik"
}
}
}
}
}'
如果我们想返回最细粒度的分词结果，需要在elasticsearch.yml中配置如下：
index:
analysis:
analyzer:
ik:
alias: [ik_analyzer]
type: org.elasticsearch.index.analysis.IkAnalyzerProvider
ik_smart:
type: ik
use_smart: true
ik_max_word:
type: ik
use_smart: false
三、使用分词器
在将分词器使用到实际数据之前，可以先测验下分词效果：
中文分词
分词结果是：
{
"tokens" : [ {
"token" : "中文",
"start_offset" : 0,
"end_offset" : 2,
"type" : "CN_WORD",
"position" : 1
}, {
"token" : "分词",
"start_offset" : 2,
"end_offset" : 4,
"type" : "CN_WORD",
"position" : 2
} ]
}
与使用standard分词器的效果更合理了：
{
"tokens" : [ {
"token" : "中",
"start_offset" : 0,
"end_offset" : 1,
"type" : "<IDEOGRAPHIC>",
"position" : 1
}, {
"token" : "文",
"start_offset" : 1,
"end_offset" : 2,
"type" : "<IDEOGRAPHIC>",
"position" : 2
}, {
"token" : "分",
"start_offset" : 2,
"end_offset" : 3,
"type" : "<IDEOGRAPHIC>",
"position" : 3
}, {
"token" : "词",
"start_offset" : 3,
"end_offset" : 4,
"type" : "<IDEOGRAPHIC>",
"position" : 4
} ]
}
新的分词器定义完成，工作正常后就可以在mapping的定义中引用了，比如我定义这样的type：
curl localhost:/application/article/_mapping -d '
{
"article": {
"properties": {
"description": {
"type": "string",
"indexAnalyzer":"ikAnalyzer",
"searchAnalyzer":"ikAnalyzer"
},
"title": {
"type": "string",
"indexAnalyzer":"ik",
"searchAnalyzer":"ik"
}
}
}
}
'
很遗憾，对于已经存在的index来说，要将一个string类型的超市公众号源码field从standard的分词器改成别的分词器通常都是失败的：
{
"error": "MergeMappingException[Merge failed with failures { [mapper [description] has different index_analyzer, mapper [description] has
different search_analyzer]}]",
"status":
}
而且没有办法解决冲突，唯一的办法是新建一个索引，并制定mapping使用新的分词器（注意要在数据插入之前，否则会使用elasticsearch默认的分词器）
curl -XPUT localhost:/application/article/_mapping -d '
{
"article" : {
"properties" : {
"description": {
"type": "string",
"indexAnalyzer":"ikAnalyzer",
"searchAnalyzer":"ikAnalyzer"
},
"title": {
"type": "string",
"indexAnalyzer":"ik",
"searchAnalyzer":"ik"
}
}
}
}
至此，一个带中文分词的elasticsearch就算搭建完成。 想偷懒的可以下载medcl的elasticsearch-RTF直接使用，里面需要的插件和配置基本都已经设置好。
------------
标准分词（standard）配置如下：
curl -XPUT localhost:/local -d '{
"settings" : {
"analysis" : {
"analyzer" : {
"stem" : {
"tokenizer" : "standard",
"filter" : ["standard", "lowercase", "stop", "porter_stem"]
}
}
}
},
"mappings" : {
"article" : {
"dynamic" : true,
"properties" : {
"title" : {
"type" : "string",
"analyzer" : "stem"
}
}
}
}
}'
index:local
type:article
default analyzer:stem (filter:小写、停用词等)
field:title
测试：
# Sample Analysis
curl -XGET localhost:/local/_analyze?analyzer=stem -d '{ Fight for your life}'
curl -XGET localhost:/local/_analyze?analyzer=stem -d '{ Bruno fights Tyson tomorrow}'
# Index Data
curl -XPUT localhost:/local/article/1 -d'{ "title": "Fight for your life"}'
curl -XPUT localhost:/local/article/2 -d'{ "title": "Fighting for your life"}'
curl -XPUT localhost:/local/article/3 -d'{ "title": "My dad fought a dog"}'
curl -XPUT localhost:/local/article/4 -d'{ "title": "Bruno fights Tyson tomorrow"}'
# search on the title field, which is stemmed on index and search
curl -XGET localhost:/local/_search?q=title:fight
# searching on _all will not do anystemming, unless also configured on the mapping to be stemmed...
curl -XGET localhost:/local/_search?q=fight
例如：
Fight for your life
分词如下：
{ "tokens":[
{ "token":"fight","start_offset":1,"end_offset":6,"type":"<ALPHANUM>","position":1},<br>
{ "token":"your","start_offset":,"end_offset":,"type":"<ALPHANUM>","position":3},<br>
{ "token":"life","start_offset":,"end_offset":,"type":"<ALPHANUM>","position":4}
]}
-------------------另一篇--------------------
ElasticSearch安装ik分词插件
一、IK简介
IK Analyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。从年月推出1.0版开始， IKAnalyzer已经推出了4个大版本。最初，它是以开源项目Luence为应用主体的，结合词典分词和文法分析算法的中文分词组件。从3.0版本开 始，IK发展为面向Java的公用分词组件，独立于Lucene项目，同时提供了对Lucene的默认优化实现。在版本中，IK实现了简单的分词 歧义排除算法，标志着IK分词器从单纯的词典分词向模拟语义分词衍化。
IK Analyzer 特性:
1.采用了特有的逗正向迭代最细粒度切分算法逗，支持细粒度和智能分词两种切分模式；
2.在系统环境：Core2 i7 3.4G双核，4G内存，window 7 位， Sun JDK 1.6_ 位 普通pc环境测试，IK具有万字/秒（KB/S）的高速处理能力。
3.版本的智能分词模式支持简单的分词排歧义处理和数量词合并输出。
4.采用了多子处理器分析模式，支持：英文字母、数字、中文词汇等分词处理，app源码是啥兼容韩文、日文字符
5.优化的词典存储，更小的内存占用。支持用户词典扩展定义。特别的，在版本，词典支持中文，英文，数字混合词语。
二、安装IK分词插件
假设读者已经安装好ES，如果没有的话，请参考ElasticSearch入门 —— 集群搭建。安装IK分词需要的资源可以从这里下载，整个安装过程需要三个步骤：
1、获取分词的依赖包
通过git clone ，下载分词器源码，然后进入下载目录，执行命令：mvn clean package，打包生成elasticsearch-analysis-ik-1.2.5.jar。将这个jar拷贝到ES_HOME/plugins/analysis-ik目录下面，如果没有该目录，则先创建该目录。
2、ik目录拷贝
将下载目录中的ik目录拷贝到ES_HOME/config目录下面。
3、分词器配置
打开ES_HOME/config/elasticsearch.yml文件，在文件最后加入如下内容：
index:
analysis:
analyzer:
ik:
alias: [ik_analyzer]
type: org.elasticsearch.index.analysis.IkAnalyzerProvider
ik_max_word:
type: ik
use_smart: false
ik_smart:
type: ik
use_smart: true
或
index.analysis.analyzer.default.type: ik
ok！插件安装已经完成，请重新启动ES，接下来测试ik分词效果啦！
三、ik分词测试
1、创建一个索引，名为index。
curl -XPUT
2、为索引index创建mapping。
curl -XPOST /fulltext/_mapping -d'
{
"fulltext": {
"_all": {
"analyzer": "ik"
},
"properties": {
"content": {
"type" : "string",
"boost" : 8.0,
"term_vector" : "with_positions_offsets",
"analyzer" : "ik",
"include_in_all" : true
}
}
}
}'
3、测试
curl '/_analyze?analyzer=ik&pretty=true' -d '
{
"text":"世界如此之大"
}'
显示结果如下：
{
"tokens" : [ {
"token" : "text",
"start_offset" : 4,
"end_offset" : 8,
"type" : "ENGLISH",
"position" : 1
}, {
"token" : "世界",
"start_offset" : ,
"end_offset" : ,
"type" : "CN_WORD",
"position" : 2
}, {
"token" : "如此",
"start_offset" : ,
"end_offset" : ,
"type" : "CN_WORD",
"position" : 3
}, {
"token" : "之大",
"start_offset" : ,
"end_offset" : ,
"type" : "CN_WORD",
"position" : 4
} ]
}
Google Aviator——轻量级 Java 表达式引擎实战
本文将探讨Google Aviator——一款轻量级Java表达式引擎，其在实战中的表现和与其他常用表达式引擎如Drools、IKExpression和Groovy的对比。Drools以其高性能和Java实现闻名，但主要关注复杂对象的规则匹配，而Aviator则定位在轻量级和高性能之间，编译执行模式提供更好的性能。IKExpression作为解释执行的引擎，虽然简洁，但在性能上不如Aviator和Groovy。Groovy凭借动态执行和JIT编译，适用于频繁执行的场景。
在实际场景中，比如监控告警规则配置，Aviator能快速将规则转化为表达式并执行，如示例所示：
通过自定义函数实现，只需继承AbstractAlertFunction，如源码所示，并在初始化时注册。对于性能问题，推荐使用编译缓存模式，以减少每次执行时的编译成本。
Aviator的性能优化和管理可以通过其提供的缓存管理方法来实现。对于更深入的技术探讨和参考，可以参考作者的个人博客和相关文档。
å¦ä½ç®ä¾¿ä½¿ç¨ikanalyzer
IKAnalyzer ç¨æ¥å¯¹ä¸æ®µæéè¿è¡åè¯
IKAnalyzer.cfg.xml æä»¶å¿ é¡»æ¾å¨classpathçæ ¹ç®å½ä¸ï¼å¯ä»¥å¨æºç ä¸ä¿®æ¹è¿ä¸ªé ç½®æ件çä½ç½®ï¼ä½æ¯æ²¡æå¿ è¦å»ä¿®æ¹ã
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "/dtd/properties.dtd">
<properties>
<comment>IK Analyzer æ©å±é ç½®</comment>
<entry key="ext_dict">/ikdic/ext_keyword.dic;</entry>//å¨classpathæ ¹ç®å½ä¸çikdicå ä¸çext_keyword.dic,为æ©å±åå ¸
<entry key="ext_stopwords">/ikdic/ext_stopword.dic</entry> //å¨classpathæ ¹ç®å½ä¸çikdicå ä¸çext_stopword.dic,为åæ¢åå ¸
</properties>
è³äºè°ç¨æ¯å¾ç®åçï¼
package org.bdp.util;
import java.io.ByteArrayInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.io.Reader;
import java.util.ArrayList;
import java.util.List;
import org.wltea.analyzer.core.IKSegmenter;
import org.wltea.analyzer.core.Lexeme;
public class CZIKAnaUtil {
public static void main(String[] args) {
String str = "æå(-)";
IKAnalysis(str);
}
public static List<String> IKAnalysis(String str) {
List<String> keywordList = new ArrayList<String>();
try {
byte[] bt = str.getBytes();
InputStream ip = new ByteArrayInputStream(bt);
Reader read = new InputStreamReader(ip);
IKSegmenter iks = new IKSegmenter(read,true);//trueå¼å¯åªè½åè¯æ¨¡å¼ï¼å¦æä¸è®¾ç½®é»è®¤ä¸ºfalseï¼ä¹å°±æ¯ç»ç²åº¦åå²
Lexeme t;
while ((t = iks.next()) != null) {
keywordList.add(t.getLexemeText());
}
} catch (IOException e) {
e.printStackTrace();
}
/* for (int i = 0; i < keyWordList.size() - 1; i++) {
for (int j = keyWordList.size() - 1; j > i; j--) {
if (keyWordList.get(j).equals(keyWordList.get(i))) {
keyWordList.remove(j);
}
}
}
Collections.sort(keyWordList, new Comparator<String>() {
@Override
public int compare(String o1, String o2) {
return o2.length() - o1.length();
}
})*/
System.out.println(keywordList);
return keywordList;
}
}
叙述使用计算机(击键)输入中文的原理?
首先你要对Basic语言有一定了解才可看明白的.
中文输入法的实现过程：
首先，说一下ASCII码与CHR$字符的关系，我们都清楚从0到是文本控制符，到都是英文、数字及
一些常用字符。如：a$ = CHR$() ，对应的 a$ = "A"。而中文字符的ASCII范围是从到。中文字是由两个字
符组成的，所以一个中文字是由两个从到的组合字符构成。如 a$ = CHR$() + CHR$()。对应变量
a$ = "我"。相反如果想知道一个中文字是由那两个ASCII码组成，我们可以将它拆成两个字符，用ASC（）函数就可
知道它的相对ASCII码值。如：
PRINT ASC( LEFT$(a$ ,1))；
PRINT ASC(RIGHT$(a$ ,1))
结果显示：
现在明白了中文字的ASCII码组合，我们先来做最简单的“区位”输入法。区位输入的码表纯粹是ASCII的
顺序排列。所以我们只要将区位前两位数+，后两位数也+。再将两个数加起来。例如：
QW =
ZWF = QW \ + '区位前两位数+
ZWB = QW MOD + '后两位数+
A$ = CHR$(ZWF) + CHR$(ZWB) '两个数加起来形成区位表码对应的字符
我们看到区位输入法的实现就是如此鸡毛蒜皮的事件。现在我们再来实现“拼音”输入法。如果大家执行以下
代码：
FOR F = TO
FOR B= TO
PRINT CHR$(F) + CHR$(B) ;
NEXT B
NEXT F
稍认真看看规律就不难发现它的ASCII码值是按拼音来排列的。除了声调，拼音的重码是非常多的。这样我们就无须每
个字都作拼音码表检索。反之是用拼音来检索所有重码的字就更简单了。如：输入“wo”，即从（，）开始就
是拼音“wo”所有重码的字符。其它也依次类推。“拼音”输入法虽然没区位简单，但也是不难实现的。用上述的方法
来实现“拼音”输入是最简捷的方法，但存在一个缺点：就是它只能输入日常常用的字，即只是从到之间，算一算
大概有个常用字。还有多个不常用字的排序方法与之不同，后多字是以笔画方式排序的。如果要想实现
一个完整的，就是能输入所有常用及不常用汉字的“拼音”输入法，那么就要专门建立一个“拼音”输入码表检索文件。
在这里就不多谈了。如果有兴趣自己试试。。。。
简单的“拼音”输入法我们都实现了，但“拼音”的输入速度就以它的重码有着莫大的关系。所以我们现在来实现
最常用的、效率高、重码率低、一个我们中国人“王永民”先生设计的输入法“五笔”输入法。这个不用说了，会打
字的一般都认识“五笔”。打五笔我们就打得多了，但“五笔”输入法是如何实现呢？不清楚的QB朋友不用抓头皮，
看下去你就会理直气壮的说：“原来就这么简单！！！”
“五笔”不同于以上“拼音”与“区位”输入法，它在ASCII码表里是没有一个排列规律的，ASCII码这个国际通
用的码表排列，我们是不能随便就更改。既然更改ASCII码表的排列是不可能的事情，我们只好自己做个“五笔”编
码专用的码表好了！！。请看以下源代码程序：
WBX$ = " ggtt=五笔 lwty=输入 ifc=法 yijg=就是 vftc=那么 tuuj=简单 "
WBX$ = WBX$ + " q=我 bn=也 go=来 yaya=试试 rhf=看 drgo=原来 r=的 pugm=实现 " '定义一个基本的码表
CLS
PRINT WBX$
PRINT "请你输入:"
PRINT "原来五笔输入法的实现就是那么的简单我也来试试看"
LOCATE , 5
RecInputChr$ = " " '初始化显示编码及定义光标位置
PRINT "五笔编码: "
DO
IK$ = INKEY$ '读入键盘的ASCII码值
IF IK$ = CHR$() THEN EXIT DO '按ESC键退出
IF IK$ = CHR$() THEN '按Enter键重置编码
InputChr$ = ""
ELSEIF IK$ = CHR$(8) THEN '按BackSpace键后退
IF InputChr$ <> "" THEN InputChr$ = LEFT$(InputChr$, LEN(InputChr$) - 1)
ELSEIF IK$ <> "" AND IK$ <> CHR$() THEN '如果键入的不是空格键而且键盘有键按下时编码字符被键入新编码
InputChr$ = InputChr$ + IK$
END IF
IF IK$ = CHR$() OR LEN(InputChr$) = 4 THEN '如果按了空格键或够4码即执行码表检索
II$ = " " + RTRIM$(InputChr$) + "="
ST = INSTR(1, WBX$, II$)
IF ST > 0 THEN
ST = ST + LEN(InputChr$) + 2
EN = INSTR(ST, WBX$, " ")
IF EN = 0 THEN EN = LEN(WBX$)
ZW$ = MID$(WBX$, ST, EN - ST) '检索到的编码字符
TXT$ = TXT$ + ZW$ '输入栏字符被输入编码的汉字
LOCATE 6, 1: PRINT TXT$ '显示输入的内容
END IF
InputChr$ = "" '编码字符被重置
END IF
IF InputChr$ <> RecInputChr$ THEN '如果当前编码与上次编码有改变即刷新
LOCATE ,
PRINT InputChr$ + " " '显示编码字符
LOCATE 6, LEN(TXT$) + 1, 1 '定义输入栏光标位置
RecInputChr$ = InputChr$ '给上次编码赋最新编码内容值
END IF
LOOP
Unity3d FootIK写一个最简单的IK（1）
前言：
历经无数次尝试与调整，终于找到了在Unity环境中实现FootIK的基本方法。整个过程虽然充满了挑战，但学习到的知识与技巧却让我感到收获满满。
预备设置：
为了使用Unity内部的IK系统，我们需要进行以下步骤的设置。
1. 为FBX模型设置Humanoid Avatar，确保在Avatar设置界面中正确绑定骨骼。
2. 创建并配置AnimatorController，激活特定层级的IK Pass功能。
3. 编写脚本，声明OnAnimatorIK方法，用于处理IK解算。
创建FootIK脚本：
1. 定义脚本中的变量，这些变量将用于后续算法的执行。
2. 在FixedUpdate函数中获取骨骼信息，计算IK位置。
3. 编写AdjustFeetTarget方法，获取脚部Transform的位置，并进行调整以避免模型穿模。
4. 实现FootPositionSolver方法，使用Raycast检测地面位置，计算旋转角度。
动画曲线设置：
在动画中，脚部抬离地面时，需通过动画曲线调整IK目标的权重。通过在FBX Inspector中配置动画曲线，根据动画片段的不同阶段，设置合适的权重值，以实现脚部自然抬起与落地的效果。确保在Animator面板中正确添加Float参数，以便在播放动画时动态调整。
实践与原理：
1. 整理脚本并将其应用到角色GameObject上，激活IK功能，通过设置目标层级，使角色能够在阶梯上自然行走。
2. 讲解算法原理与流程，包括使用简单射线检测计算IK位置，以及在OnAnimatorIK方法中，通过动画曲线动态调整权重，影响骨骼位置。
揭秘Unity IK本质：
深入理解MoveFeetToIkPoint方法的工作原理，包括transform坐标变换、Animator的Getter与Setter机制。发现IK Goal实际上包含了与地面的偏移信息，并通过yVar变量进行动态调整，确保角色脚部贴合地面，防止穿模。了解Unity内部动画计算流程与IK应用顺序，揭示了为何增量赋值能有效控制角色行走。
小结：
通过解析Unity内置的IK系统，对功能插件的原理有了更深入的理解。展望未来，希望能够探索更多高级的IK实现方法，如Final IK与AnimationRigging，进一步提升角色动画效果。同时，源代码的分享将为社区开发者提供参考与灵感，促进Unity生态的共同进步。
elasticsearch ç¨ä»ä¹è¯è¨å¼å
Elasticsearchä¹ä½¿ç¨Javaå¼å并使ç¨Luceneä½ä¸ºå ¶æ ¸å¿æ¥å®ç°ææç´¢å¼åæç´¢çåè½ï¼ä½æ¯å®çç®çæ¯éè¿ç®åçRESTful APIæ¥éèLuceneçå¤ææ§ï¼ä»èè®©å ¨ææç´¢åå¾ç®åã
