Lucene.netで全ドキュメントを取得する

.net

最近更新されたコンテンツのリストを取得する．

Lucene.netにはDocumentクラスのインスタンスを保存します．最近更新されたドキュメントを取得するなど，すべてのドキュメントを対象にした操作のメモです．

http://www.jguru.com/faq/view.jsp?EID=587213 に全てのドキュメント取得方法が議論されているように，全てのドキュメントに，固定値を設定したフィールドを1つ入れておいて，そのフィールド値で検索をかける，が正解です．

ダメな方法は，問い合わせ文に"a* b* ..."のような，ワイルドカードの問い合わせ文を書く方法．これは英文にしか通じない手ですし，ワイルドカードの処理は重くパフォーマンスは最悪でしょう．

固定値を設定したFieldがなくても，例えば整数で文書IDがあれば，文書IDが数字のDocumentを検索して取得すれば，全文書の取得ができます．

もしも適切なFieldがなくて，文書一覧取得が必要ならば，全ての文書のインデックス生成をやり直すのがいいでしょう．Lucene.netのDocumentクラスは，インスタンスごとに独立してFieldを設定できまる，つまり Key-Valueペア の集合として扱えますから，後からFieldを追加削除はできるのですが，いかんせん"すべての文書"を取得することがまずできなければ，先ほどのField追加ができないためです．

結局のところ，数字やDateなどで文書IDを設定しておく，これをルールにしておけば，困ることはなさそうです．

コード

実際にドキュメントを更新時間でソートして一覧取得するコードを書いてみます．
まず，ドキュメント作成時に，すべての文書を取り出すためのフィールドを1つ入れておきます．

 Document doc = new Document();            
 doc.Add(new Field("hogehoge", "hoehoe", Field.Store.NO, Field.Index.UN_TOKENIZED));

このField "hogehoge"に対してkeywordAnalyzer (UN_TOKENIZEDしたためか，StandardAnalyzerだと検索結果にひっかからない)を使い検索をかけます．

 Lucene.Net.Analysis.KeywordAnalyzer anl = new Lucene.Net.Analysis.KeywordAnalyzer();
 Lucene.Net.QueryParsers.QueryParser qpr = new Lucene.Net.QueryParsers.QueryParser(StorageFields.AllDocument, anl);
 Lucene.Net.Search.Sort sort = new Lucene.Net.Search.Sort(new Lucene.Net.Search.SortField("hogehoge", Lucene.Net.Search.SortField.AUTO, reverse));
 Search.Query q = qpr.Parse(StorageFields.AllDocument);
 _indexSearcher.Search(q, sort)); // _indexSearche は Search.IndexSearcher