lucene中ChainedFilter在findjar中的使用

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：