Lucene API カスタムCollector サンプル

PostedMonthCollector.java

/**
 * 以下は、Apache Softoware Licence v2.0 の元に頒布されているコードに一部改変を加えたものです。
 * http://www.apache.org/licenses/LICENSE-2.0.txt
 */

package extsearch.collector;

import java.io.IOException;
import java.util.ArrayList;
import java.util.Collections;
import java.util.List;
import java.util.Map;
import java.util.TreeMap;

import org.apache.lucene.index.AtomicReaderContext;
import org.apache.lucene.index.BinaryDocValues;
import org.apache.lucene.search.Collector;
import org.apache.lucene.search.FieldCache;
import org.apache.lucene.search.Scorer;
import org.apache.lucene.util.BytesRef;

public class PostedMonthCollector extends Collector {

    // 投稿月とエントリ(タイトル)リストのマップ
	private Map<String, List<String>> postedMonthMap = new TreeMap<String, List<String>>();
	// 登録されているドキュメントのdateフィールド値
	private BinaryDocValues dates;
	// 登録されているドキュメントのtitleフィールド値
	private BinaryDocValues titles;

	@Override
	public void setNextReader(AtomicReaderContext context) throws IOException {
		// dateフィールドとtitleフィールドの値をフィールドキャッシュから取得
		dates = FieldCache.DEFAULT.getTerms(context.reader(), "date");
		titles = FieldCache.DEFAULT.getTerms(context.reader(), "title");
	}

	@Override
	public void collect(int doc) throws IOException {
		BytesRef bytes = new BytesRef();
		dates.get(doc, bytes);
		String month = bytes.utf8ToString().substring(0, 7); // 投稿日から月を抽出
		titles.get(doc, bytes);
		String title = bytes.utf8ToString(); // タイトル
		
		if (!postedMonthMap.containsKey(month)) {
			postedMonthMap.put(month, new ArrayList<String>());
		}
		// マップに追加
		postedMonthMap.get(month).add(title);
	}

	public Map<String, List<String>> getPostedMonthMap() {
		return Collections.unmodifiableMap(postedMonthMap);
	}
	
	@Override
	public void setScorer(Scorer scorer) throws IOException {
		// スコア値が必要な場合は実装する
		// ここでは何もしない
	}

	@Override
	public boolean acceptsDocsOutOfOrder() {
		// ドキュメントを受け付けるソート順を意識する必要があるか
		// ここでは特に意識しなくていい
		return false;
	}

}

PostedMonthTest.java

/**
 * 以下は、Apache Softoware Licence v2.0 の元に頒布されているコードに一部改変を加えたものです。
 * http://www.apache.org/licenses/LICENSE-2.0.txt
 */

import org.apache.lucene.index.Term;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.TermQuery;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;

public class PostedMonthTest {

    public static void main(String[] args) throws IOException {
		Directory directory = FSDirectory.open(new File("tumblrdata"));
		IndexReader reader = DirectoryReader.open(directory);
		IndexSearcher searcher = new IndexSearcher(reader);

		// "lucene" というタグをもつドキュメントを検索、
		// 投稿月とエントリ(タイトル)のマッピングを取得
		TermQuery query = new TermQuery(new Term("tag", "lucene"));
		PostedMonthCollector collector = new PostedMonthCollector();
		searcher.search(query, collector);
		Map<String, List<String>> map = collector.getPostedMonthMap();
		
		// 投稿月ごとにエントリタイトルを表示
		for (String month : map.keySet()) {
			List<String> titles = map.get(month);
			System.out.println(month);
			for (String title : titles) {
				System.out.println("\t" + title);
			}
		}
		
		reader.close();
	}

}