从Lucene中的查询中检索所有匹配文档的最有效方法是什么，未排序？答案

【问题标题】：What's the most efficient way to retrieve all matching documents from a query in Lucene, unsorted?从Lucene中的查询中检索所有匹配文档的最有效方法是什么，未排序？
【发布时间】：2011-07-23 00:56:11
【问题描述】：

我希望执行查询以维护内部完整性；例如，从索引中删除特定字段/值的所有痕迹。因此，重要的是我要找到所有个匹配的文档（不仅仅是前 n 个文档），但它们返回的顺序无关紧要。

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。

我应该为此派生自己的 Collector 吗？这样做时我需要记住什么？

【问题讨论】：

如果您想返回所有结果，请记住这一点：forums.alfresco.com/en/viewtopic.php?t=13381
@Rodrigo 你能更具体一点吗？我阅读了该线程，但它似乎与权限检查有关。你能解释一下这与我的问题有什么关系吗？

标签： c# .net lucene lucene.net

【解决方案1】：

事实证明，这比我预期的要容易得多。我刚刚使用了http://lucene.apache.org/java/2_9_0/api/core/org/apache/lucene/search/Collector.html 的示例实现，并将传递给Collect() 方法的文档编号记录在一个List 中，将其公开为Docs 的公共属性。

然后我简单地迭代这个属性，将数字传递回Searcher 以获得正确的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 ) {
    }
}

【讨论】：

请记住使用传递给SetNextReader 的docBase 值，因为传递给Collect 的文档ID 特定于当前阅读器（来自SetNextReader）。您需要使用 (docBase+doc) 来计算要与最顶层阅读器一起使用的 ID，即打开 IndexSearcher 时使用的那个。
另外，如果您想删除匹配的文档，请不要忘记IndexWriter.DeleteDocuments(Query)。
@Simon - 谢谢，当我开始得到不稳定的结果时，我自己想通了。另外，删除只是一个例子，我确实需要在我的真实应用程序中检索文档。

【解决方案2】：

如果您只是想获取索引中的所有 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);
}

【讨论】：

谢谢，但我对实际执行查询感兴趣，而不仅仅是获取索引中的所有文档。