我正在使用 Lucene.NET (v2.0) 在 Visual Basic 9 (VS2008) 中开发桌面搜索引擎。
我使用以下代码来初始化 IndexWriter
Private writer As IndexWriter
writer = New IndexWriter(indexDirectory, New StandardAnalyzer(), False)
writer.SetUseCompoundFile(True)
如果我两次选择同一个文件夹（包含要编制索引的文件），则会在索引中为该文件夹中的每个文件创建两个不同的条目。
我希望 IndexWriter 丢弃索引中已经存在的任何文件。
我应该怎么做才能确保这一点？
正如史蒂夫所提到的，您需要使用 IndexReader 的一个实例并调用它的 DeleteDocuments 方法。DeleteDocuments 接受 Term 对象的实例或 Lucene 的文档内部 id（通常不建议使用内部 id，因为它可以并且会随着 Lucene 合并段而改变）。
最好的方法是使用存储在特定于应用程序的索引中的唯一标识符。例如，在医生办公室的患者索引中，如果您有一个名为“patient_id”的字段，您可以创建一个术语并将其作为参数传递给 DeleteDocuments。请参阅以下示例（对不起，C#）：
int patientID = 12;
IndexReader indexReader = IndexReader.Open( indexDirectory );
indexReader.DeleteDocuments( new Term( "patient_id", patientID ) );
然后您可以使用 IndexWriter 的实例再次添加患者记录。我从这篇文章http://www.codeproject.com/KB/library/IntroducingLucene.aspx中学到了很多东西。
希望这可以帮助。
有许多关于使用 id 字段进行删除的过时示例。下面的代码适用于 Lucene.NET 2.4。
如果您已经在使用 IndexWriter 或访问 IndexSearcher.Reader，则无需打开 IndexReader。您可以使用 IndexWriter.DeleteDocuments(Term)，但棘手的部分是确保您首先正确存储了 id 字段。确保在存储文档时使用 Field.Index.NOT_ANALYZED 作为 id 字段的索引设置。这会对字段进行索引而不对其进行标记，这非常重要，并且在以这种方式使用时，其他任何 Field.Index 值都不会起作用：
IndexWriter writer = new IndexWriter("\MyIndexFolder", new StandardAnalyzer());
var doc = new Document();
var idField = new Field("id", "MyItemId", Field.Store.YES, Field.Index.NOT_ANALYZED);
doc.Add(idField);
writer.AddDocument(doc);
writer.Commit();
现在您可以使用同一个编写器轻松删除或更新文档：
Term idTerm = new Term("id", "MyItemId");
writer.DeleteDocuments(idTerm);
writer.Commit();
要更新 lucene 索引，您需要删除旧条目并写入新条目。因此，您需要使用 IndexReader 查找当前项目，使用 writer 删除它，然后添加新项目。对于我认为您正在尝试做的多个条目也是如此。只需找到所有条目，将它们全部删除，然后写入新条目。
如果要删除索引中的所有内容并重新填充，可以使用此语句
writer = New IndexWriter(indexDirectory, New StandardAnalyzer(), True)
IndexWriter 构造函数的最后一个参数确定是否创建新索引，或者是否打开现有索引以添加新文档。
下面列出了一些选项，可以根据需要使用。
请参阅下面的代码快照。[C#源代码，请转成vb.net]
Lucene.Net.Documents.Document doc = ConvertToLuceneDocument(id, data);
Lucene.Net.Store.Directory dir = Lucene.Net.Store.FSDirectory.Open(new DirectoryInfo(UpdateConfiguration.IndexTextFiles));
Lucene.Net.Analysis.Analyzer analyzer = new Lucene.Net.Analysis.Standard.StandardAnalyzer(Lucene.Net.Util.Version.LUCENE_29);
Lucene.Net.Index.IndexWriter indexWriter = new Lucene.Net.Index.IndexWriter(dir, analyzer, false, Lucene.Net.Index.IndexWriter.MaxFieldLength.UNLIMITED);
Lucene.Net.Index.Term idTerm = new Lucene.Net.Index.Term("id", id);
foreach (FileInfo file in new DirectoryInfo(UpdateConfiguration.UpdatePath).EnumerateFiles())
{
Scenario 1: Single step update.
indexWriter.UpdateDocument(idTerm, doc, analyzer);
Scenario 2: Delete a document and then Update the document
indexWriter.DeleteDocuments(idTerm);
indexWriter.AddDocument(doc);
Scenario 3: Take necessary steps if a document does not exist.
Lucene.Net.Index.IndexReader iReader = Lucene.Net.Index.IndexReader.Open(indexWriter.GetDirectory(), true);
Lucene.Net.Search.IndexSearcher iSearcher = new Lucene.Net.Search.IndexSearcher(iReader);
int docCount = iSearcher.DocFreq(idTerm);
iSearcher.Close();
iReader.Close();
if (docCount == 0)
{
//TODO: Take necessary steps
//Possible Step 1: add document
//indexWriter.AddDocument(doc);
//Possible Step 2: raise the error for the unknown document
}
}
indexWriter.Optimize();
indexWriter.Close();
除非您只修改少量文档（例如，少于总数的 10%），否则从头开始重新索引几乎肯定会更快（您的里程可能会因存储/索引字段等而异）。
也就是说，我总是会索引到一个临时目录，然后在完成后将新目录移动到位。这样，在构建索引时几乎没有停机时间，如果出现问题，您仍然有一个好的索引。
一种选择当然是删除文档，然后添加文档的更新版本。
或者，您也可以使用 IndexWriter 类的 UpdateDocument() 方法：
writer.UpdateDocument(new Term("patient_id", document.Get("patient_id")), document);
这当然需要您有一种机制，您可以通过该机制找到要更新的文档（本示例中的“患者 ID”）。