C# 从Lucene查询中获取不同值的更快方法

目前我喜欢这样：

IndexSearcher searcher = new IndexSearcher(lucenePath);
Hits hits = searcher.Search(query);
Document doc;
List<string> companyNames = new List<string>();

for (int i = 0; i < hits.Length(); i++)
{
    doc = hits.Doc(i);
    companyNames.Add(doc.Get("companyName"));
}
searcher.Close();

companyNames = companyNames.Distinct<string>().Skip(offSet ?? 0).ToList();
return companyNames.Take(count??companyNames.Count()).ToList();

IndexSearcher searcher=newindexsearcher（lucenePath）；
Hits=searcher.Search（查询）；
文件文件；
列表公司名称=新列表（）；
对于（int i=0；i

如您所见，我首先收集所有字段（数千个），然后将它们区分开来，可能会跳过一些字段，然后取出一些字段

---

我觉得应该有更好的方法来做到这一点。

老实说，我不确定是否有，因为Lucene没有提供“独特”的功能。我相信有了SOLR，您可以使用方面搜索来实现这一点，但是如果您想在Lucene中实现这一点，您必须自己编写一些方面功能。因此，只要您没有遇到任何性能问题，您就应该这样做。

将这个问题与您前面的问题（关于：“太多子句”）联系起来，我认为您肯定应该从索引读取器中查看术语枚举。缓存结果（我使用了一个字段名上键入的排序字典，以术语列表作为数据，每个字段最多100个术语），直到索引读取器变得无效并离开

或者我应该说，当我面临与你类似的问题时，我就是这么做的

---

希望这会有所帮助，

我建议您找到一种逻辑来跳过这种迭代，但是如果您的上下文中没有解决方案，那么您可以通过以下代码获得性能提升
1） 在索引时，最好将要迭代的字段放在第一个字段中

Document doc = new Document();
Field companyField = new Field(...);
doc.Add(companyField);
...

2） 然后你需要像这样定义一个字段选择器

class CompanyNameFieldSelector : FieldSelector
{
    public FieldSelectorResult Accept(string fieldName)
    {
        return (fieldName == "companyName" ? FieldSelectorResult.LOAD_AND_BREAK : FieldSelectorResult.NO_LOAD);
    }
}

FieldSelector companySelector = new CompanyNameFieldSelector();
// when you iterate through your index
doc = hits.Doc(i);
doc.Get("companyName", companySelector);

3） 然后，当您想要迭代并选择这个字段时，您应该执行如下操作

class CompanyNameFieldSelector : FieldSelector
{
    public FieldSelectorResult Accept(string fieldName)
    {
        return (fieldName == "companyName" ? FieldSelectorResult.LOAD_AND_BREAK : FieldSelectorResult.NO_LOAD);
    }
}

FieldSelector companySelector = new CompanyNameFieldSelector();
// when you iterate through your index
doc = hits.Doc(i);
doc.Get("companyName", companySelector);

上述代码的性能比您提供的代码要好得多，因为它跳过了读取不必要的文档字段，节省了时间。

public List GetDistinctTermList（string fieldName）
public List<string> GetDistinctTermList(string fieldName)
    {
        List<string> list = new List<string>();

        using (IndexReader reader = idxWriter.GetReader())
        {
            TermEnum te = reader.Terms(new Term(fieldName));

            if (te != null && te.Term != null && te.Term.Field == fieldName)
            {
                list.Add(te.Term.Text);

                while (te.Next())
                {
                    if (te.Term.Field != fieldName)
                        break;
                    list.Add(te.Term.Text);
                }
            }
        }

        return list;
    }

{
列表=新列表（）；
使用（IndexReader reader=idxWriter.GetReader（））
{
TermEnum te=reader.Terms（新术语（字段名））；
if（te！=null&&te.Term！=null&&te.Term.Field==fieldName）
{
列表.添加（术语.文本）；
while（te.Next（））
{
if（te.Term.Field！=字段名）
打破
列表.添加（术语.文本）；
}
}
}
退货清单；
}

您能否详细说明“术语枚举”的含义？你的意思是枚举我的所有文档并获取这些字段，这样我就可以使用C#的StartsWith（）？看看IndexReader类的Terms成员函数。顺便说一句，我通过查看Luke的源代码发现了很多关于这类事情的信息。非常有趣！实际上我不是卢克的超级粉丝。我不知道为什么，但每个查询都需要很长时间才能解析。比我自己的查询慢多了。