遍历 Lucene (.Net) 索引中所有未删除的文档

Question

我想获取 Lucene (.Net 2.4) 索引的所有未删除文档的计数，然后读取我存储的所有或一系列这些文档的字段。 阅读 Lucene 帮助后，我不太确定 IndexReader.NumDocs() 是返回所有文档的计数还是仅返回未删除的文档。我可以简单地遍历 IndexReader.Document[] 或者它是否包含已删除的文档？

如果 NumDocs() 和 Docmuent[] 确实 包含已删除和未删除的文档，我想我必须这样做：

int totalCount = reader.NumDocs();
int totalCountUndeleted = totalCount;
for (int iDoc = 0; iDoc < totalCount; iDoc++)
  if (reader.IsDeleted(iDoc))
    totalCountUndeleted--;

for (int iDoc = 0; iDoc < totalCount; iDoc++)
{
  if (!reader.IsDeleted(iDoc))
  {
     Document doc = reader.Document(iDoc);
     // read fields
  }
}

这是正确的方法还是有其他可能的方法？谢谢

Answer 1

IndexReader.NumDocs 将为您提供活动文档的数量。 IndexReader.MaxDoc 是比索引中最大文档数大一的数字。以下代码将读取索引中的所有活动文档。

int max = reader.MaxDoc();
for (int iDoc = 0; iDoc < max; iDoc++)
{
  if (!reader.IsDeleted(iDoc))
  {
     Document doc = reader.Document(iDoc);
     // read fields
  }
}

Answer 2

这是正确的方法。在优化索引之前，不会删除文档。

或者，如果您有类似*:* 的查询匹配所有文档，您可以运行它。查询方法可能会慢一些，但可能更标准。