如何更新Lucene.NET索引？

Question

我正在使用Lucene.NET(v2.0)在Visual Basic 9(VS2008)中开发桌面搜索引擎.

我使用以下代码初始化IndexWriter

Private writer As IndexWriter

writer = New IndexWriter(indexDirectory, New StandardAnalyzer(), False)

writer.SetUseCompoundFile(True)

如果我选择相同的文档文件夹(包含要编制索引的文件)两次,则会在索引中创建该文档文件夹中每个文件的两个不同条目.

我希望IndexWriter丢弃索引中已存在的所有文件.

我该怎么做才能确保这一点？

Answer 1

正如Steve所提到的,您需要使用IndexReader的实例并调用其DeleteDocuments方法.DeleteDocuments接受Term对象的实例或Lucene的文档内部id(通常不建议尽可能使用内部id,并且会随着Lucene合并段而改变).

最好的方法是使用您存储在特定于应用程序的索引中的唯一标识符.例如,在医生办公室的患者索引中,如果您有一个名为"patient_id"的字段,您可以创建一个术语并将其作为参数传递给DeleteDocuments.请参阅以下示例(抱歉,C#):

int patientID = 12;
IndexReader indexReader = IndexReader.Open( indexDirectory );
indexReader.DeleteDocuments( new Term( "patient_id", patientID ) );

然后,您可以使用IndexWriter实例再次添加患者记录.我从这篇文章中学到了很多东西http://www.codeproject.com/KB/library/IntroducingLucene.aspx.

希望这可以帮助.

Answer 2

有关id字段的删除有许多过时的例子.下面的代码适用于Lucene.NET 2.4.

如果您已经在使用IndexWriter或访问IndexSearcher.Reader,则无需打开IndexReader.您可以使用IndexWriter.DeleteDocuments(Term),但棘手的部分是确保您首先正确存储了您的id字段.在存储文档时,请确保使用Field.Index.NOT_ANALYZED作为id字段的索引设置.这会对字段编制索引而不对其进行标记,这非常重要,并且当使用这种方式时,其他任何Field.Index值都不会起作用:

IndexWriter writer = new IndexWriter("\MyIndexFolder", new StandardAnalyzer());
var doc = new Document();
var idField = new Field("id", "MyItemId", Field.Store.YES, Field.Index.NOT_ANALYZED);
doc.Add(idField);
writer.AddDocument(doc);
writer.Commit();

现在,您可以使用同一个编写器轻松删除或更新文档:

Term idTerm = new Term("id", "MyItemId");
writer.DeleteDocuments(idTerm);
writer.Commit();

Answer 3

要更新 lucene 索引，您需要删除旧条目并写入新条目。因此，您需要使用 IndexReader 来查找当前项目，使用 writer 将其删除，然后添加新项目。对于我认为您正在尝试执行的多个条目也是如此。只需找到所有条目，将它们全部删除，然后写入新条目。

Answer 4

如果要删除索引中的所有内容并重新填充,可以使用此语句

writer = New IndexWriter(indexDirectory, New StandardAnalyzer(), True)

IndexWriter构造函数的最后一个参数确定是创建新索引,还是打开现有索引以添加新文档.