Lucene 4.0 IndexWriter updateDocument 用于数字项答案

【问题标题】：Lucene 4.0 IndexWriter updateDocument for Numeric TermLucene 4.0 IndexWriter updateDocument 用于数字项
【发布时间】：2012-12-19 18:07:47
【问题描述】：

我只是想知道如何根据数字字段更新（删除/插入）文档。到目前为止，我这样做了：

LuceneManager.updateDocument(writer, new Term("id",  NumericUtils.intToPrefixCoded(sentenceId)), newDoc);

但现在在 Lucene 4.0 中，NumericUtils 类已更改为 this，我不太明白。有什么帮助吗？

【问题讨论】：

您是否有特殊原因使用 NumericUtils 手动转换数字，而不是使用 NumericField？
好吧，因为 IndexWriter 想要一个术语，而我不知道任何其他方法可以为数字字段创建一个术语

标签： java lucene indexing

【解决方案1】：

使用 Lucene 5.x，这可以通过以下代码解决：

    int id = 1;
    BytesRefBuilder brb = new BytesRefBuilder();
    NumericUtils.intToPrefixCodedBytes(id, 0, brb);
    Term term = new Term("id", brb.get());
    indexWriter.updateDocument(term, doc); // or indexWriter.deleteDocument(term);

【讨论】：

【解决方案2】：

使用 Lucene 4，您现在可以像这样创建 IntField、LongField、FloatField 或 DoubleField：

document.add(new IntField("id", 6, Field.Store.NO));

要在修改后编写文档，它仍然是：

indexWriter.updateDocument(new Term("pk", "<pk value>"), document);

编辑： 这是一种查询包含此数字字段的方法：

// Query <=> id <= 7
Query query = NumericRangeQuery.newIntRange("id", Integer.MIN_VALUE, 7, true, true);
TopDocs topDocs = indexSearcher.search(query, 10);

【讨论】：

所以我只使用 Integer/Float/Long/Double 对象的 toString() 值？
不，所有这些字段都有一个方法numericValue()，它返回基础字段的编号。要知道数字是哪种类型（int、long...），您可以使用instanceof 或使用FieldType.NumericType
我不认为这可以这样工作。如果我有查询 = new TermQuery(new Term(LUCENE_FIELD_ID, new IntField(LUCENE_FIELD_ID, 1, Store.YES).stringValue()));那么查询看起来像“id:1”，它不返回任何结果。其中 NumericUtils.intToPrefixCoded(1) 返回结果。我做错了什么？
查询方式也发生了变化。现在，您应该使用NumericRangeQuery，而不是 TermQuery。
谢谢。我今天也想通了。让生活更轻松。 :) 我仍然不知道如何根据“整数”更新我的文档

【解决方案3】：

你可以这样使用它：

首先你必须设置FieldType的数字类型：

FieldType TYPE_ID = new FieldType();
...
TYPE_ID.setNumericType(NumericType.INT);
TYPE_ID.freeze();

然后：

int idTerm = 10;
BytesRef bytes = new BytesRef(NumericUtils.BUF_SIZE_INT);
NumericUtils.intToPrefixCoded(id, 0, bytes);
Term idTerm = new Term("id", bytes);

现在您可以使用idTerm 更新文档了。

【讨论】：

【解决方案4】：

如果可能的话，我建议最好将 ID 存储为关键字字符串，而不是数字。如果它只是一个唯一标识符，那么将索引作为关键字更有意义。这消除了任何与数字格式混淆的需要。

如果它实际上被用作数字，那么您可能需要手动执行更新。也就是说，搜索并获取您要更新的文档，使用tryDeleteDocument 删除旧文档，然后使用addDocument 添加更新版本。据我所知，这基本上就是 updateDocument 所做的。

不过，第一个选项肯定是更好的方法。用作更新 ID 的非数字字段会让生活更轻松。

【讨论】：

你说得对，将键作为字符串值会很酷，但这意味着对我的代码进行重大重构并重新索引语料库，遗憾的是我没有时间。我会试试看的！

【解决方案5】：

根据documentation of Lucene 4.0.0，ID字段必须与StringField类一起使用：

"被索引但未标记化的字段：整个字符串值被索引为单个标记。例如，这可能用于'国家'字段或'id'字段，或您打算用于通过字段缓存进行排序或访问的任何字段。”

我和你有同样的问题，我通过做出这个改变解决了这个问题。之后，我的更新和删除工作完美。

【讨论】：