Lucene中使用ChainedFilter可以将多个过滤器Filter链接起来,而且可以在过滤器中执行AND、OR、XOR和ANDNOT的位操作。
在http://www.findmaven.net中就用到了这个ChainedFilter。查询结果出现多个版本的同个jar,页面显示只需要最高版本
IndexReader reader = IndexReader.open(dir);
IndexSearcher searcher = new IndexSearcher(reader);
Query query = new TermQuery(new Term("artifact", "spring-core")); //查询arttifact=spring-core
DuplicateFilter filter1 = new DuplicateFilter("fname");
DuplicateFilter filter2 = new DuplicateFilter("group"); //过滤掉artifact=spring-core的相同group
filter2.setKeepMode(DuplicateFilter.KM_USE_FIRST_OCCURRENCE);
ChainedFilter filters = new ChainedFilter(new Filter[] { filter1,filter2 }, ChainedFilter.AND); //两个filter做与操作
TopDocs docs = searcher.search(query, filters, Integer.MAX_VALUE);
那如何只显示最高版本,过滤掉低版本呢?可以在查询结果中按照版本高低排序
Sort sort = new Sort();
sort.setSort(new SortField("version", SortField.STRING, false));
然后就可以在DuplicateFilter("group")过滤掉除第一个之外的结果。
这里还需要介绍DuplicateFilter,其中有两个重要的参数
keepMode:
KM_USE_FIRST_OCCURRENCE表示重复的文档取第一篇
KM_USE_LAST_OCCURRENCE表示重复的文档取最后一篇
processingMode:
PM_FULL_VALIDATION是首先将bitset中所有文档都设为false,当出现同组重复文章的第一篇的时候,将其设为1
PM_FAST_INVALIDATION是首先将bitset中所有文档都设为true,除了同组重复文章的第一篇,其他的的全部设为0
在DuplicateFilter源码中默认使用KM_USE_LAST_OCCURRENCE
public DuplicateFilter(String fieldName){
this(fieldName, KM_USE_LAST_OCCURRENCE,PM_FULL_VALIDATION);
}
因为我们的sort是按照版本从高到低排序,我们只取第一个最高版本,所以我们必须指定
filter2.setKeepMode(DuplicateFilter.KM_USE_FIRST_OCCURRENCE);
http://www.findmaven.net显示结果如下: