3.3.11 使用Collector筛选搜索结果
Collector主要用来从一次查询中收集原始结果。可以通过它遍历查询结果中的每个文档。执行搜索的Searcher.search()方法可以接收Collector对象作为参数。查询类每次匹配到一个文档都会调用Collector对象上的collect(int doc)方法。下面是一个收集文档，但不对文档评分的例子：
private static final String FIELD = "contents";
public static void main(String[] args) throws Exception {
// 建立使用内存索引的Lucene
Directory directory = new RAMDirectory();
Analyzer analyzer = new StandardAnalyzer();
IndexWriterConfig iwc = new IndexWriterConfig(analyzer);
IndexWriter writer = new IndexWriter(directory, iwc);
// 索引一些文档
writer.addDocument(createDocument("1", "foo bar baz"));
writer.addDocument(createDocument("2", "red green blue"));
writer.addDocument(createDocument("3",
"The Lucene was made by Doug Cutting"));
writer.close();
IndexReader reader = DirectoryReader.open(directory);
IndexSearcher searcher = new IndexSearcher(reader);
Term t1 = new Term(FIELD, "lucene");
TermQuery query = new TermQuery(t1);
final BitSet bits = new BitSet(reader.maxDoc());
searcher.search(query, new Collector() {
private int docBase;
//忽略评分器
@Override
public void setScorer(Scorer scorer) {
}
//允许文档乱序
public boolean acceptsDocsOutOfOrder() {
return true;
}
public void collect(int doc) {
bits.set(doc + docBase);
}
public void setNextReader(AtomicReaderContext context) {
this.docBase = context.docBase;
}
});
System.out.println("结果数：" + bits.cardinality());
for (int i = bits.nextSetBit(0); i >= 0; i = bits.nextSetBit(i + 1)) {
System.out.println("文档编号：" + i);
}
}
private static Document createDocument(String id, String content) {
Document doc = new Document();
doc.add(new Field("id", id, StringField.TYPE_STORED));
doc.add(new Field(FIELD, content, TextField.TYPE_STORED));
return doc;
}
例如，有个Collector的子类TopDocsCollector处理原始的查询结果，并且返回最相关的N个文档。
它是一个基类，用于做所有返回TopDocs输出的类的父类。TopDocsCollector.topDocs()方法返回最相关的N个文档。
例如：
Query q = ...;
IndexSearcher searcher = ...;
TopDocsCollector<ScoreDoc> tdc = new MyTopsDocCollector(numResults);
searcher.search(q, tdc); //传递一个查询对象和一个Collector对象
//给Searcher.search方法
TopDocsCollector接收一个优先队列和一个返回结果的总数作为参数。TopScoreDocCollector是TopDocsCollector的子类，也是可以直接使用的类。使用TopScoreDocCollector返回最相关的10个文档的例子如下：
int hitsPerPage = 10;
IndexSearcher searcher = new IndexSearcher(index, true);
TopScoreDocCollector collector = TopScoreDocCollector.create(hitsPerPage,
true);
searcher.search(q, collector);
ScoreDoc[] hits = collector.topDocs().scoreDocs;
一个会员可以发布多条信息，搜索的时候如何将会员发布的信息按每个会员一条的方式显示。也就是说每个会员编号最多只显示一条。每个会员最多只显示和查询词最相关的一条信息。这个功能是在结果集而不是在索引库上遍历有效文档，所以应该采用Collector而不是Filter。
可以按指定列排序，然后过滤信息。但是Searcher.search()方法不能同时接收Collector对象和Sort对象。只存在：
searcher.search(query, collector);
对搜索结果首先按会员列排序，然后按相关度排序。找出每个会员最多只显示和查询词最相关的一条信息。让Collector把这样的结果放入一个TopDocs对象。
可以扩展TopDocsCollector类。在collect()方法中构造一个新的ScoreDoc对象。
private static final class MyTopsDocCollector extends
TopDocsCollector<ScoreDoc> {
private int idx = 0;
private int base = 0;
public MyTopsDocCollector(int size) {
super(new HitQueue(size, false));
}
@Override
protected TopDocs newTopDocs(ScoreDoc[] results, int start) {
if (results == null) {
return EMPTY_TOPDOCS;
}
float maxScore = Float.NaN;
if (start == 0) {
maxScore = results[0].score;
} else {
for (int i = pq.size(); i > 1; i--) { pq.pop(); }
maxScore = pq.pop().score;
}
return new TopDocs(totalHits, results, maxScore);
}
@Override
public void collect(int doc) throws IOException {
++totalHits;
pq.insertWithOverflow(new ScoreDoc(doc + base, scores[idx++]));
}
@Override
public void setNextReader(IndexReader reader, int docBase)
throws IOException {
base = docBase;
}
@Override
public void setScorer(Scorer scorer) throws IOException {
//不做任何事。随机分配评分值
}
@Override
public boolean acceptsDocsOutOfOrder() {
return true;
}
}
Collector类的setScorer()方法是一个方法，当IndexSearcher实际执行搜索时，通过IndexSearcher传入score。
对每个匹配的文档，调用collect()方法，传递一个索引段内部的文档编号给collect()方法。
会员发布的信息要一轮一轮地显示，不是说折叠起来就显示一条。比如会员1有两条数据：信息1，信息2；会员2也有两条数据：信息1，信息2，要的结果是会员1的信息1，会员2的信息1，会员1的信息2，会员2的信息2。
把每个会员的相关信息都存到一个优先队列。所有的搜索结果就是每个会员组成的优先队列。也就是说，优先队列有很多。