Aprovechando Lucene en memoria

Ya estoy de vuelta de estas mini vacaciones. Que bonita estaba Galicia, y más si tienes la suerte de ir a una boda en un pazo en Silleda, que no le tiene nada que envidiar a Irlanda.

En fin, que tenía pendiente postear sobre algo en lo que he estado trabajando en los últimos días, que no es nada complejo pero es algo que al menos yo no conocía: El utilizar Lucene en memoria

¿Por qué habríamos de querer hacer algo así? Pues bien, Lucene es una de las mejores librerías Open Source que pueden existir. Además tiene una cantidad de proyectos satélite que de por sí los hace muy interesantes para su uso en nuestras propias aplicaciones.

Muchas veces, los que hemos trabajado bastante con Lucene nos dábamos cuenta de que había ciertas funcionalidades que sería realmente útil para nuestras aplciaciones. Por ejemplo, para ejecutar algoritmos de stemming sobre textos, o quizás para simplemente filtrar stop words, o buscar con soporte de sinónimos, etc. El problema, era que para hacer esto necesitabas tener un índice de Lucene en disco con las desventajas que esto conllevaba.

Crear un índice de Lucene en memoria es algo tan sencillo como esto (me disculpáis que me coma los imports):

RAMDirectory idx = new RAMDirectory();
Analyzer analyzer = new SnowballAnalyzer("Spanish",SpanishAnalyzer.getStopWords());
IndexWriter writer = new IndexWriter(idx, analyzer, true);

(En este caso, la clase SpanishAnalyzer es propia, pero podéis utilizar cualquier analyzer ahí)

Ahora se podrían crear documentos y añadirlos al índice:

Document doc = new Document();
doc.add(new Field("id","abcde",Field.Store.YES,Field.Index.NO));
doc.add(new Field("text","esto es un texto de prueba",Field.Store.YES,Field.Index.TOKENIZED));
writer.addDocument(document);

Y por supuesto, hacer búsquedas:

Searcher searcher = new IndexSearcher(idx);
QueryParser parser = new QueryParser("text",analyzer);
Query query = parser.parse(text);
// Search for the query
Hits hits = searcher.search(query);

Sencillo y poderoso. Me encanta Lucene.