Lucene从索引文件中获取所有未删除的文档

Question

我试图从Lucene Index获取所有文件（已经没有删除）。

我听说如果我从Lucene Index中删除一些东西，Lucene就不会立即从文件中删除。

所以我想从索引文件中获取未删除的文件。

Answer 1

Lucene提供了所有未删除文档的位集，称为liveDocs。您可以iterating通过所有LeafReader（或使用SlowCompositeReaderWrapper）并调用liveDocs方法或使用MultiFields类来获取它。

一旦有了这个bitset，你可以从0到IndexReader#maxDoc进行迭代，并查询bitset以了解docid是代表已删除的文档还是实时的文档。您可以像访问现有文档一样访问已删除文档的所有存储字段。

但是，一旦段合并，其已删除的文档将被永久删除，从而从索引中删除。

Answer 2

这是不可能的。当您从Lucene索引中删除文档时，它不会立即删除，因为重建所有索引是如此昂贵。这个旧文档被标记为在索引优化上最终删除。但它不再可见了。它只是在Lucene的内部可见。如果删除文档并提交，则永远不会再获取文档。