¿Cuál es la forma más eficiente de recuperar todos los documentos coincidentes de una consulta en Lucene, sin clasificar?

Question

Estoy buscando realizar una consulta con el fin de mantener la integridad interna; por ejemplo, eliminando todos los rastros de un campo/valor particular del índice. Por lo tanto, es importante que encuentre todos los documentos coincidentes (no solo los documentos n superiores), pero el orden en que se devuelven es irrelevante.

De acuerdo con los documentos, parece que necesito usar el método Searcher.Search(Query, Collector), pero no hay una clase de recopiladores integrada que haga lo que necesito.

¿Debo obtener mi propio recopilador para este propósito? ¿Qué debo tener en cuenta al hacer eso?

Answer 1

Resulta que esto fue mucho más fácil de lo que esperaba. Acabo de utilizar la implementación de ejemplo en http://lucene.apache.org/java/2_9_0/api/core/org/apache/lucene/search/Collector.html y grabé los números de documento pasados ​​al método Collect() en una lista, exponiéndolo como una propiedad pública Docs.

que luego simplemente iterar esta propiedad, pasando el número de vuelta a la Searcher para conseguir el correcto 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(); 

Hasta ahora parece estar funcionando bien en las pruebas preliminares.

Actualización: Aquí está el código para IntegralCollector:

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

No es necesario escribir un colector de éxito si sólo está mirando para conseguir todos los objetos del documento en el índice. Sólo bucle de 0 a maxDoc() y llamar reader.document() en cada ID de documento, asegurándose de omitir los documentos que ya están eliminados:

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