json数据格式和xml格式数据的处理方法，以及将javabean转化为json数据或xml数据

博客对案例的整体简单的介绍，明白整个案例的目的是什么？最终的产品大概是什么样子？以及每个部分是基于什么技术做的开发。

转载请注明出处：http://blog.csdn.net/xiaojimanman/article/details/43154813      这系列博客从小说的采集、搜索、展示等多方面的介绍基于lucene站内搜索的开发过程，前面已介绍完毕第一部分，由于白天需要工作，一些博客内容需要晚上或者上班奸细进行整理，所以更新速度上难免会有点慢。    &

lucene最主要的功能在于其搜索，在搜索过程中可能会使用到Query、Filter、Sort、ScoreDoc、Collector等，本文从这些角度介绍了一些常用的搜索方法，同时还介绍了索引的增删改接口。

在Lucene索引的搜索过程中，构建Query对象是一个十分重要的过程，在这篇博客中，我们将重点介绍几种常用的Query子类：QueryParser、MultiFieldQueryParser、TermQuery、PrefixQuery、PhraseQuery、WildcardQuery、TermRangeQuery、NumericRangeQuery、BooleanQuery

在lucene创建索引的过程中，分词技术是一个十分重要的环节，介绍了7中比较常见的分词技术 CJKAnalyzer、KeywordAnalyzer、SimpleAnalyzer、StopAnalyzer、WhitespaceAnalyzer、StandardAnalyzer、IKAnalyzer

通过简单的事例介绍了如何去搜索Lucene索引，同时还介绍了索引搜索过程中的几个核心类：Directory、DirectoryReader、IndexSearcher、Analyzer、Query、TopDocs

通过简单的事例，介绍了如何创建Lucene索引，同时还介绍了在索引创建过程中的几个核心类：IndexWriter、Directory、Analyzer、Document、Field。

lucene索引文件有一定的层次结构，有索引、段、文档、域、词五个层次；索引文件不仅保存了正向信息，同时还保存了反向信息。

lucene将一篇文档分成若干个域，每个域又分成若干个词元，通过词元在文档中的重要程度，将文档转化为N维的空间向量，通过计算两个向量之间的夹角余弦值来计算两个文档的相似程度