从Lucene的查询中检索所有匹配文档的最有效方法是什么？

Question

我希望执行查询以保持内部完整性; 例如，从索引中删除特定字段/值的所有跟踪。 因此，重要的是我找到所有匹配的文档（不仅仅是前n个文档），但它们返回的顺序是无关紧要的。

根据文档，看起来我需要使用Searcher.Search( Query, Collector )方法，但是没有内置的Collector类可以满足我的需要。

我应该为此目的派生自己的收藏家吗？ 这样做时我需要记住什么？

Answer 1

事实证明，这比我预期的要容易得多。 我刚刚在http://lucene.apache.org/java/2_9_0/api/core/org/apache/lucene/search/Collector.html上使用了示例实现，并记录了传递给Collect()方法的文档编号。列表，将其公开为公共Docs属性。

然后我简单地迭代这个属性，将数字传递给Searcher以获取正确的Document ：

var searcher = new IndexSearcher( reader );
var collector = new IntegralCollector(); // my custom Collector
searcher.Search( query, collector );
var result = new Document[ collector.Docs.Count ];
for ( int i = 0; i < collector.Docs.Count; i++ )
    result[ i ] = searcher.Doc( collector.Docs[ i ] );
searcher.Close(); // this is probably not needed
reader.Close();

到目前为止，它似乎在初步测试中运行良好。

更新：这是IntegralCollector的代码：

internal class IntegralCollector: Lucene.Net.Search.Collector {
    private int _docBase;

    private List<int> _docs = new List<int>();
    public List<int> Docs {
        get { return _docs; }
    }

    public override bool AcceptsDocsOutOfOrder() {
        return true;
    }

    public override void Collect( int doc ) {
        _docs.Add( _docBase + doc );
    }

    public override void SetNextReader( Lucene.Net.Index.IndexReader reader, int docBase ) {
        _docBase = docBase;
    }

    public override void SetScorer( Lucene.Net.Search.Scorer scorer ) {
    }
}

Answer 2

如果您只是想要获取索引中的所有Document对象，则无需编写命中收集器。 只需从0循环到maxDoc（）并在每个doc id上调用reader.document（），确保跳过已删除的文档：

for (int i=0; i<reader.maxDoc(); i++) {
   if (reader.isDeleted(i))
      continue;
   results[i] = reader.document(i);
}