如何从 Lucene/Lucene.NET 中删除旧文档答案

【问题标题】：How do I delete old documents from Lucene/Lucene.NET如何从 Lucene/Lucene.NET 中删除旧文档
【发布时间】：2010-12-07 12:14:36
【问题描述】：

从 Lucene 索引中删除旧文档的惯用方法是什么？

我在所有文档上都有一个日期字段 (YYYYMMddhhmmss)，我想删除超过一天的任何内容（例如）。

我应该执行过滤搜索还是枚举 IndexReader 的文档？

我确信无论 Lucene 在哪个平台上运行，问题都是一样的。

谢谢！

【问题讨论】：

【解决方案1】：

搜索 YYYYMMdd* 应该可以工作，因为当前日期存储为文本字符串。获得结果后，您可以使用 IndexReader.delete 删除您不感兴趣的文档。在我看来，这似乎是实现这一目标的最佳方式。

【讨论】：

我发现这种方法的一个问题是，当旧文档超过 1024 个时，我会收到“TooManyClauses”异常。
这真的取决于你的实现。我需要知道细节，但作为一般规则，您可以删除这些搜索的警告，因为它们只是维护（通过设置更高的最大子句数），或者进行更具体的搜索（YYMMddhh* 等）。同样，一切都取决于您的环境和实施。
我最终通过使用 MatchAllDocsQuery 和 RangeFilter 做了一个轻微的变化。到目前为止似乎工作正常......

【解决方案2】：

您可以尝试使用 Lucene 的低级 API。

从索引中获取术语“YYYY”的术语枚举器。迭代术语枚举器以获取术语。如果术语的文本不包含当前日期（或以前的日期），请使用该术语调用 IndexReader.deleteDocuments(term)。

由于你没有使用 Query 对象，你不会得到搜索相关的异常。

【讨论】：