Lucene教程(四) 索引的更新和删除

这篇文章是基于上一篇文章来写的，使用的是IndexUtil类，下面的例子不在贴出整个类的内容，只贴出具体的方法内容。

3.5版本：

先写了一个check()方法来查看索引文件的变化：

    /**
     * 检查一下索引文件
     */
    public static void check() {
        IndexReader indexReader = null;
        try {
            Directory directory = FSDirectory.open(new File("F:/test/lucene/index"));
            indexReader = IndexReader.open(directory);
            // 通过reader可以有效的获取到文档的数量
            // 有效的索引文档
            System.out.println("有效的索引文档:" + indexReader.numDocs());
            // 总共的索引文档
            System.out.println("总共的索引文档:" + indexReader.maxDoc());
            // 删掉的索引文档，其实不恰当，应该是在回收站里的索引文档
            System.out.println("删掉的索引文档:" + indexReader.numDeletedDocs());
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            try {
                if (indexReader != null) {
                    indexReader.close();
                }
            } catch (Exception e) {
                e.printStackTrace();
            }
        }
    }

那么就下来就先跑一下建立索引方法，然后在执行以下check()方法，看看结果：

有效的索引文档:3
总共的索引文档:3
删掉的索引文档:0

接下来我想删除一个索引，例子如下：

    /**
     * 删除索引
     */
    public static void delete() {
        IndexWriter indexWriter = null;
        try {
            Directory directory = FSDirectory.open(new File("F:/test/lucene/index"));
            Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_35);
            IndexWriterConfig indexWriterConfig = new IndexWriterConfig(Version.LUCENE_35, analyzer);
            indexWriter = new IndexWriter(directory, indexWriterConfig);
            /**
             * 参数是一个选项，可以是一个Query，也可以是一个term，term是一个精确查找的值
             * 
             * 此时删除的文档并不会被完全删除，而是存储在一个回收站中的，可以恢复
             */

            // 方式一：通过Term删除

            /**
             * 注意Term构造器的意思，第一个参数为Field，第二个参数为Field的值
             */
            indexWriter.deleteDocuments(new Term("id", "1"));

            // 方式二：通过Query删除

            /**
             * 这里就要造一个Query出来，删掉查处的索引
             */
            QueryParser queryParser = new QueryParser(Version.LUCENE_35, "content", analyzer);
            // 创建Query表示搜索域为content包含Lucene的文档
            Query query = queryParser.parse("Lucene");

            // indexWriter.deleteDocuments(query);
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            try {
                if (indexWriter != null) {
                    indexWriter.close();
                }
            } catch (Exception e) {
                e.printStackTrace();
            }
        }
    }

看看测试：

    @Test
    public void testDelete() {
        IndexUtil.delete();
        IndexUtil.check();
    }

执行过后：

有效的索引文档:2
总共的索引文档:3
删掉的索引文档:1

此时被删掉的文档跑到了回收站中，并没有被彻底删除，我们上面使用的是删term的方式，那么使用query删行不行呢，那么现在把注释换一换：

            // indexWriter.deleteDocuments(new Term("id", "1"));

            // 方式二：通过Query删除

            /**
             * 这里就要造一个Query出来，删掉查处的索引
             */
            QueryParser queryParser = new QueryParser(Version.LUCENE_35, "content", analyzer);
            // 创建Query表示搜索域为content包含Lucene的文档
            Query query = queryParser.parse("Lucene");

            indexWriter.deleteDocuments(query);

再跑一下测试方法：

有效的索引文档:1
总共的索引文档:3
删掉的索引文档:2

看看，被删除的文档又多了一个，因为我们query查出的文档和id为1的文档不是同一个，目前了解了删除的两种方式怎么使用了吧。
我现在发现删错了，想恢复怎么办，那么我们就来看看怎么恢复删除的索引：

    /**
     * 恢复删除的索引
     */
    public static void unDelete() {
        // 使用IndexReader进行恢复
        IndexReader indexReader = null;
        try {
            Directory directory = FSDirectory.open(new File("F:/test/lucene/index"));
            // 恢复时，必须把IndexReader的只读(readOnly)设置为false
            // 索引没有改变可以使用true，但现在是恢复删除的索引，显然是改变过的，所以只能是false
            indexReader = IndexReader.open(directory, false);
            indexReader.undeleteAll();
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            try {
                if (indexReader != null) {
                    indexReader.close();
                }
            } catch (Exception e) {
                e.printStackTrace();
            }
        }
    }

跑一下测试：

    @Test
    public void testUnDelete() {
        IndexUtil.unDelete();
        IndexUtil.check();
    }

结果为：

有效的索引文档:3
总共的索引文档:3
删掉的索引文档:0

全部恢复了吧，很不错吧

但是我现在有发现刚才没有删错，我要把索引彻底删除，怎么弄呢，我们回过头来再试，我现在吧删除索引的两种方式的注释都打开，执行一下删除方法是不是得到这样的结果啊：

有效的索引文档:1
总共的索引文档:3
删掉的索引文档:2

然后看看彻底删除的代码：

    /**
     * 强制删除
     */
    public static void forceDelete() {
        IndexWriter indexWriter = null;
        try {
            Directory directory = FSDirectory.open(new File("F:/test/lucene/index"));
            Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_35);
            IndexWriterConfig indexWriterConfig = new IndexWriterConfig(Version.LUCENE_35, analyzer);
            indexWriter = new IndexWriter(directory, indexWriterConfig);
            indexWriter.forceMergeDeletes();
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            try {
                if (indexWriter != null) {
                    indexWriter.close();
                }
            } catch (Exception e) {
                e.printStackTrace();
            }
        }
    }

执行一下测试代码：

    @Test
    public void testForceDelete() {
        IndexUtil.forceDelete();
        IndexUtil.check();
    }

结果如下：

有效的索引文档:1
总共的索引文档:1
删掉的索引文档:0

此时两个索引文档被彻底的删掉了。这么长都在讲删除的事，那么Lucene是怎么更新索引的呢，记下来看看是如何更新索引的：

注：先把索引文件删除，重新建索引

    /**
     * 更新索引
     */
    public static void update() {
        IndexWriter indexWriter = null;
        try {
            Directory directory = FSDirectory.open(new File("F:/test/lucene/index"));
            Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_35);
            IndexWriterConfig indexWriterConfig = new IndexWriterConfig(Version.LUCENE_35, analyzer);
            indexWriter = new IndexWriter(directory, indexWriterConfig);
            /**
             * Lucene并没有提供更新，这里的更新操作其实是如下两个操作的合集 先删除之后再添加
             */
            Document document = new Document();
            document.add(new Field("id", "11", Field.Store.YES, Field.Index.NOT_ANALYZED_NO_NORMS));
            document.add(new Field("author", authors[0], Field.Store.YES, Field.Index.NOT_ANALYZED));
            document.add(new Field("title", titles[0], Field.Store.YES, Field.Index.ANALYZED));
            document.add(new Field("content", contents[1], Field.Store.NO, Field.Index.ANALYZED));
            indexWriter.updateDocument(new Term("id", "1"), document);
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            try {
                if (indexWriter != null) {
                    indexWriter.close();
                }
            } catch (Exception e) {
                e.printStackTrace();
            }
        }
    }

注意上边这段代码，我使用的content是id为2的content，它包含“Lucene”，我一会要用它测试，注意比对结果

此时执行一下更新索引：

    @Test
    public void testUpdate() {
        IndexUtil.update();
        IndexUtil.check();
    }

结果为：

有效的索引文档:3
总共的索引文档:4
删掉的索引文档:1

结果是这样的，惊讶吗，我们一起来算算，有效的文档删掉一个添加一个是不是3个，没错吧，总共的文档数是三个加一个，引文删掉的文档也算啊，没有彻底删掉，在回收站里，然后我们执行一下search()方法，看看结果：

    /**
     * 搜索
     */
    public static void search() {
        IndexReader indexReader = null;
        try {
            // 1、创建Directory
            Directory directory = FSDirectory.open(new File("F:/test/lucene/index"));
            // 2、创建IndexReader
            indexReader = IndexReader.open(directory);
            // 3、根据IndexReader创建IndexSearch
            IndexSearcher indexSearcher = new IndexSearcher(indexReader);
            // 4、创建搜索的Query
            // 使用默认的标准分词器
            Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_35);

            // 在content中搜索Lucene
            // 创建parser来确定要搜索文件的内容，第二个参数为搜索的域
            QueryParser queryParser = new QueryParser(Version.LUCENE_35, "content", analyzer);
            // 创建Query表示搜索域为content包含Lucene的文档
            Query query = queryParser.parse("Lucene");

            // 5、根据searcher搜索并且返回TopDocs
            TopDocs topDocs = indexSearcher.search(query, 10);
            // 6、根据TopDocs获取ScoreDoc对象
            ScoreDoc[] scoreDocs = topDocs.scoreDocs;
            for (ScoreDoc scoreDoc : scoreDocs) {
                // 7、根据searcher和ScoreDoc对象获取具体的Document对象
                Document document = indexSearcher.doc(scoreDoc.doc);
                // 8、根据Document对象获取需要的值
                System.out.println("id : " + document.get("id"));
                System.out.println("author : " + document.get("author"));
                System.out.println("title : " + document.get("title"));
                /**
                 * 看看content能不能打印出来，为什么？
                 */
                System.out.println("content : " + document.get("content"));
            }

        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            try {
                if (indexReader != null) {
                    indexReader.close();
                }
            } catch (Exception e) {
                e.printStackTrace();
            }
        }
    }

    @Test
    public void testSearch() {
        IndexUtil.search();
    }

id : 2
author : Tony
title : Hello Lucene
content : null
id : 11
author : Darren
title : Hello World
content : null

查出来了两条，说明更新成功了

我再把id为3的索引也更新一下：

Document document = new Document();
            document.add(new Field("id", "11", Field.Store.YES, Field.Index.NOT_ANALYZED_NO_NORMS));
            document.add(new Field("author", authors[0], Field.Store.YES, Field.Index.NOT_ANALYZED));
            document.add(new Field("title", titles[0], Field.Store.YES, Field.Index.ANALYZED));
            document.add(new Field("content", contents[1], Field.Store.NO, Field.Index.ANALYZED));
            indexWriter.updateDocument(new Term("id", "3"), document);

执行一下update()方法，看看结果：

有效的索引文档:3
总共的索引文档:5
删掉的索引文档:2

问题来了，随着索引文件更新次数的增加，索引文件是不是会越来越多啊，那我们是不是有办法合并一下优化一下呢，下面来看Lucene是怎么合并索引文件的：

    /**
     * 合并索引
     */
    public static void merge() {
        IndexWriter indexWriter = null;
        try {
            Directory directory = FSDirectory.open(new File("F:/test/lucene/index"));
            Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_35);
            IndexWriterConfig indexWriterConfig = new IndexWriterConfig(Version.LUCENE_35, analyzer);
            indexWriter = new IndexWriter(directory, indexWriterConfig);
            // 会将索引合并为2段，这两段中的被删除的数据会被清空
            /**
             * 特别注意：
             * 
             * 此处Lucene在3.5之后不建议使用，因为会消耗大量的开销，Lucene会根据情况自动处理的
             */

            // 把索引合并为两段
            indexWriter.forceMerge(2);
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            try {
                if (indexWriter != null) {
                    indexWriter.close();
                }
            } catch (Exception e) {
                e.printStackTrace();
            }
        }
    }

执行一下测试：

    @Test
    public void testMerge() {
        IndexUtil.merge();
        IndexUtil.check();
    }

结果为：

有效的索引文档:3
总共的索引文档:3
删掉的索引文档:0

索引文件数恢复正常了，这里有个问题，Lucene的合并索引方法或优化索引方法不建议人为调用，会消耗很多资源，并且Lucene会自动优化索引，索引不用担心索引文件一直变大变多这个问题。

4.5版本：

5.0版本：

4.5版本和5.0版本稍后更新