從Lucene的查詢中檢索所有匹配文檔的最有效方法是什么？

Question

我希望執行查詢以保持內部完整性; 例如，從索引中刪除特定字段/值的所有跟蹤。 因此，重要的是我找到所有匹配的文檔（不僅僅是前n個文檔），但它們返回的順序是無關緊要的。

根據文檔，看起來我需要使用Searcher.Search( Query, Collector )方法，但是沒有內置的Collector類可以滿足我的需要。

我應該為此目的派生自己的收藏家嗎？ 這樣做時我需要記住什么？

Answer 1

事實證明，這比我預期的要容易得多。 我剛剛在http://lucene.apache.org/java/2_9_0/api/core/org/apache/lucene/search/Collector.html上使用了示例實現，並記錄了傳遞給Collect()方法的文檔編號。列表，將其公開為公共Docs屬性。

然后我簡單地迭代這個屬性，將數字傳遞給Searcher以獲取正確的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();

到目前為止，它似乎在初步測試中運行良好。

更新：這是IntegralCollector的代碼：

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

如果您只是想要獲取索引中的所有Document對象，則無需編寫命中收集器。 只需從0循環到maxDoc（）並在每個doc id上調用reader.document（），確保跳過已刪除的文檔：

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