如何使用 Term 或 QueryParser 从 Lucene 索引中删除文档答案

【问题标题】：How to delete Documents from a Lucene Index using Term or QueryParser如何使用 Term 或 QueryParser 从 Lucene 索引中删除文档
【发布时间】：2013-09-19 10:30:01
【问题描述】：

我正在尝试从 Lucene 索引中删除文档。我只想从 lucene index 中删除指定的文件。

我的以下程序正在删除可以使用关键字分析器搜索的索引，但我需要的文件名只能使用 StandardAnalyzer 进行搜索。那么有什么方法可以在我的术语中设置标准分析器，或者我如何使用 QueryParser 从 lucene 索引中删除文档。

 try{
    File INDEX_DIR= new File("D:\\merge lucene\\abc\\");

    Directory directory = FSDirectory.open(INDEX_DIR);

     IndexReader indexReader = IndexReader.open(directory,false);
     Term term= new Term("path","fileindex23005.htm");
    int l=   indexReader.deleteDocuments(term);
                      indexReader.close();

    System.out.println("documents deleted");
  }
  catch(Exception x){x.printStackTrace();}

【问题讨论】：

标签： lucene indexing

【解决方案1】：

我假设您使用的是 Lucene 3.6 或更早版本，否则 IndexReader.deleteDocuments 将不再存在。但是，无论如何，您应该使用 IndexWriter。

如果您只能使用查询解析器找到文档，则只需运行普通查询，然后遍历返回的文档，并通过 docnum 将其删除，大致如下：

Query query = queryParser.parse("My Query!");
ScoreDoc[] docs = searcher.search(query, 100).scoreDocs;
For (ScoreDoc doc : docs) {
    indexReader.deleteDocument(doc.doc);
}

或者更好（更简单，使用未失效、未弃用的功能），只需使用IndexWriter，并直接将查询传递给它：

Query query = queryParser.parse("My Query!");
writer.deleteDocuments(query);

【讨论】：

它删除了旧文档但索引文件的大小没有减少
是的，删除不会立即从文件结构中消除。它们暂时缓冲在内存中（在IndexWriterConfig 中控制），然后有效地标记为已删除。最终删除将从索引中刷新，如您的MergePolicy 中所指定。删除可能是一项代价高昂的操作，我不建议尝试将其设置为每次收到删除时都进行合并，尤其是在删除是相当常见的操作时。
@femtoRgon 从索引文件中删除文档后，如果我查询索引，它是否也会返回已删除的记录？
@Shankar 如果你删除，然后 index.Commit()，删除会反映在从所述索引创建的任何新读者中 - 删除的记录将不会被返回。

【解决方案2】：

为像我这样的人添加以供将来参考，删除文档在 indexWriter 上，您可以使用

indexWriter.deleteDocuments(Term... terms)

而不是使用 deleteDocuments(query) 方法；如果您只需要匹配一个字段，则可以减少麻烦。 请注意，如果传递了多个术语，此方法会将术语视为 OR 条件。因此它将匹配任何术语并删除所有记录。下面的代码将匹配存储的文档中的 state=Tx 并删除匹配的记录。

  indexWriter.deleteDocuments(
        new Term("STATE", "Tx")
      );

为了将不同的字段与AND条件组合，我们可以使用以下代码：

 BooleanQuery.Builder builder = new BooleanQuery.Builder();

//note year is stored as int , not as string when document is craeted.
//if you use Term here which will need 2016 as String, that will not match with documents stored with year as int.
 Query yearQuery = IntPoint.newExactQuery("year", 2016);
 Query stateQuery = new TermQuery(new Term("STATE", "TX"));
 Query cityQuery = new TermQuery(new Term("CITY", "CITY NAME"));

 builder.add(yearQuery, BooleanClause.Occur.MUST);
 builder.add(stateQuery, BooleanClause.Occur.MUST);
 builder.add(cityQuery, BooleanClause.Occur.MUST);

 indexWriter.deleteDocuments(builder.build());

【讨论】：

我正在添加一个唯一字段为doc.add(new TextField("uid", product.getUid(), Field.Store.YES));，但是当我尝试删除文档时，Term term = new Term("uid", uniqueId); getIndexWriter().deleteDocuments(term); 引发了 NPE，我尝试了 TextField 和 StringField，并且都给出了 NPE .请问我哪里错了。使用 Lucene 5.4

【解决方案3】：

正如@dillippattnaik 指出的那样，多个术语导致OR。我已经更新了他的代码，使其 AND 使用 BooleanQuery：

BooleanQuery query = new BooleanQuery
{
   { new TermQuery( new Term( "year", "2016" ) ), Occur.MUST },
   { new TermQuery( new Term( "STATE", "TX" ) ), Occur.MUST },
   { new TermQuery( new Term( "CITY", "CITY NAME" ) ), Occur.MUST }
};

indexWriter.DeleteDocuments( query );

【讨论】：