将 Lucene HitCollector (2.x) 迁移到 Collector (3.x)

Question

在我们的一个项目中，我们使用旧的 Lucene 版本 (2.3.2)。我现在正在查看当前的 Lucene 版本 (3.5.0) 并尝试重新编写旧代码。在旧项目中，我们扩展了 TopFieldDocCollector 以在 collect() 方法中做一些额外的过滤。然而，我在理解新的 Collector 类时遇到了一些麻烦，而且我找不到一个很好的例子。

1) 方法 setScorer()。我如何/从哪里获得 Scorer 对象？

2) 方法collect()。我想我需要创建自己的集合并存储我感兴趣的 docIds，对吗？

3）当扩展 TopDocsCollector 时，我需要实现一个 PriorityQueue 以在构造函数中使用，对吗？似乎没有标准的实现。但是我仍然需要我自己的 Collection 来存储 docIds（或者更确切地说，ScoreDocs），并在搜索完成后调用 populateResults？

总的来说，扩展 Collector 似乎比扩展 TopDocsCollector 容易（很多），但也许我遗漏了一些东西。

Answer 1

1. setScorer() 是一个钩子，Scorer 在实际进行搜索时由 IndexSearcher 传入。因此，如果您根本不关心分数，则基本上可以覆盖此方法（例如，将传入的 Scorer 保存下来以便您可以使用它）。从它的javadocs：

   在连续调用 {@link #collect(int)} 之前调用。需要当前文档分数的实现（传入 {@link #collect(int)}），应保存传入的 Scorer 并在需要时调用 scorer.score()。

2. collect() 为每个匹配的文档调用，传入每个段的 docid。请注意，如果您需要“重新定位的 docid”（相对于其所有段中的整个阅读器），那么您必须覆盖 setNextReader，保存 docBase，并计算 docBase + docid。来自收集器 javadocs：

   注意：传递给 collect 方法的文档是相对于当前读者的。如果您的收集器需要将此解析为 Multi*Reader 的 docID 空间，您必须通过记录最近 setNextReader 调用中的 docBase 来重新设置它。

3. TopDocsCollector 是 TopFieldCollector（按字段排序）和 TopScoreDocCollector（按分数排序）的基类。如果您正在编写按分数排序的自定义收集器，那么扩展 TopScoreDocCollector 可能更容易。

另外：最简单的收集器示例是 TotalHitCountCollector！