搜索不可靠的作者姓名

Question

我们扫描了数千个旧文档，并将关键数据输入数据库。其中一个字段是作者姓名。

我们需要搜索给定作者的文档，但确切的名称可能输入不正确，因为许多文档都是手写的。

我想过只搜索姓氏的前几个字母，然后提供一个供用户选择的列表。我不知道在这个阶段有多少不同的作者，我怀疑它将是数百而不是数十万。将有数十万份文件。 有没有更好的办法？ SQL数据库会更好地处理它吗？

该软件是python，并且会有一个文档列表，每个文档都有一个作者。

Answer 1

我认为您可以使用mongodb，您可以使用所有可能的作者名称设置列表字段。例如，你有手写名称“黑色”，你不能识别名称中的字母，例如“c”或“e”，你可以将原点名称设置为“黑色”并添加到可能的名称列表“blaek”

Answer 2

您可以使用Sunburnt这是一个Python-Solr库，可以访问基于Solr构建的Lucene。

Solr的摘录：

  

Solr是Apache Lucene项目中流行的，快速开源的企业搜索平台。其主要功能包括强大的全文搜索，点击突出显示，分面搜索，动态聚类，数据库集成，丰富文档（例如，Word，PDF）处理和地理空间搜索。 Solr具有高度可扩展性，可提供分布式搜索和索引复制，并为世界上许多最大的互联网站点提供搜索和导航功能。

它会为您提供搜索文档所需的一切，包括部分匹配和潜在匹配，无论您的搜索条件是什么。