在 Lucene 搜索结果中查找项目位置的最佳方法

Question

我正在使用 Lucene.NET，并且能够搜索并获得 ScoreDoc[] 形式的命中结果。

我需要知道 ScoreDoc[] 中的具体项目位置。 ScoreDoc[] 中的所有项目都是唯一的。

示例代码： luceneSearcher.Search（查询，收集器）； ScoreDoc[] Scores = Collector.TopDocs().scoreDocs

例如，我需要在 ScoreDoc[] 中查找项目位置，它具有自定义 ID 属性，其中值可以是“99999”。

我可以迭代 Scores[] 中的项目并检查与“99999”匹配的 ID 属性，然后返回位置，但这可能会影响性能，因为 Scores[] 可以包含数千个项目。

有没有更好的技术？

谢谢

Answer 1

我想出了创建新的 ExtendedCollector 来存储 CollectedDocuments。

    public class ExtendedCollector : Collector
    {
        private Scorer _scorer;
        private Int32 _docBase;
        private List<CollectedDocument> _documents;

        public ExtendedCollector()
        {
            _documents = new List<CollectedDocument>();
        }

        public override void SetScorer(Scorer scorer)
        {
            _scorer = scorer;
        }

        public override void Collect(int doc)
        {
            var docId = _docBase + doc;
            var score = _scorer.Score();

            var currentDoc = _documents.FirstOrDefault(d => d.DocId == docId);

            if (currentDoc == null)
                _documents.Add(new CollectedDocument()
                                   {DocId = docId, Score = score, OriginalIndex = _documents.Count, Index = _documents.Count});
            else
                currentDoc.Score = score;
        }

        public override void SetNextReader(IndexReader reader, int docBase)
        {
            _docBase = docBase;
        }

        public override bool AcceptsDocsOutOfOrder()
        {
            return false;
        }

        public List<CollectedDocument> Documents
        {
            get { return _documents; }
        }

        public List<CollectedDocument> DocumentsByScore
        {
            get
            {
                var result = _documents.OrderByDescending(d => d.Score).ToList();
                var itemId = 0;
                foreach (var collectedDocument in result)
                {
                    itemId++;
                    collectedDocument.Index = itemId;
                }

                return result;
            }
        }
    }

CollectedDocument 看起来像这样

    public class CollectedDocument
    {
        public Int32 DocId { get; set; }
        public float Score { get; set; }
        public int OriginalIndex { get; set; }
        public int Index { get; set; }
    }

每当您想要获得结果时，您都会这样做

        var myCollector = new ExtendedCollector();
        searcher.Search(searchQuery, myCollector);

        foreach (var doc in myCollector.Documents)
        {
            var docIndex = doc.Index; //this is the current index in a list
            var originalIndex = doc.OriginalIndex; //this is item Id set when doc was collected
        }

您还可以使用按分数排序的文档

myCollector.DocumentsByScore

这可能不是最简单的解决方案，但它有效。如果有人有更好的解决方案，请发布，因为我也想知道。