删除具有完全匹配的apache lucene中的文档

Question

我想删除 apache lucene 中只有完全匹配的文档。例如我有包含文本的文档：

  Document1: Bilal
  Document2: Bilal Ahmed
  Doucument3: Bilal Ahmed - 54

当尝试使用查询“Bilal”删除文档时，它会删除所有这三个文档，而它应该只删除第一个完全匹配的文档。

我使用的代码是这样的：

    String query = "bilal";
    String field = "userNames";

    Term term = new Term(field, query);

    IndexWriter indexWriter = null;

    File indexDir = new File(idexedDirectory);
    Directory directory = FSDirectory.open(indexDir);

    Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_46);
    IndexWriterConfig iwc = new IndexWriterConfig(Version.LUCENE_46, analyzer);

    indexWriter = new IndexWriter(directory, iwc);        

    indexWriter.deleteDocuments(term);
    indexWriter.close();    

这就是我索引文档的方式：

    File indexDir = new File("C:\\Local DB\\TextFiled");
    Directory directory = FSDirectory.open(indexDir);

    Analyzer  analyzer = new StandardAnalyzer(Version.LUCENE_46);
    IndexWriterConfig iwc = new IndexWriterConfig(Version.LUCENE_46, analyzer);              

   //Thirdly We tell the Index Writer that which document to index
   indexWriter = new IndexWriter(directory, iwc);

    int i = 0;

    try (DataSource db = DataSource.getInstance()) {

        PreparedStatement ps = db.getPreparedStatement(
                "SELECT user_id, username FROM " + TABLE_NAME + " as au" + User_CONDITION);

        try (ResultSet resultSet = ps.executeQuery()) {

            while (resultSet.next()) {
                i++;
                doc = new Document();

                text = resultSet.getString("username");                    
                doc.add(new StringField("userNames", text, Field.Store.YES));

                indexWriter.addDocument(doc);
                System.out.println("User Name : " + text + " : " + userID);
            }
        }

Answer 1

您没有提供如何索引这些文档。如果它们使用StandardAnalyzer 进行索引并且标记化已打开，那么您得到这些结果是可以理解的——这是因为StandardAnalyzer 标记了每个单词的文本，并且由于您的每个文档都包含Bilal，因此您点击了所有这些文档结果。

一般建议是您应该始终添加一个唯一的 id 字段并通过此 id 字段查询/删除。

如果您不能这样做 - 将相同的文本索引为单独的字段 - 无需标记化 - 并使用短语查询来查找完全匹配，但这对我来说听起来像是一个可怕的黑客攻击。