从XML文档（XQuery？）到MySQL搜索相关性

Question

我有一个网站，其中文档保存在xml文档中，所有文档都具有相同的结构。

我需要一个搜索引擎，我可以根据搜索用户提供的关键词选择具有最高相关性的文档。

我认为（？）使用XQuery是一个好主意，而不是将信息存储两次（在XML docs + mysql数据库中）并查询mysql数据库以进行相关性搜索。

XQuery对此有什么好处，以及如何以及在每个约7kb的+1000文档上可以达到的速度。

感谢您的时间。

亲切的问候

Answer 1

如果您在给定查询时搜索了+1000个文档，则使用jQuery或SQL数据库效率不高。

1）对每个关键字进行每个文档的顺序搜索，不会少于文档数量*每个文档中的单词数量*关键字数量

2）每次进行搜索时，每个文档都必须再次扫描。如果您的项目涉及多次搜索，则这是不可行的。

3）顺序搜索无法根据找到的单词数量和文档中的单词总数，重要性或每个单词等对结果进行排名......

更好的选择是使用Inverted Index数据结构提前“索引”您的文档和文字。

通过这种方式，您可以预先做一些工作来索引每个文档中的每个单词，但是在进行实际搜索时（这是重要的），您将节省很多的时间。

另一个优点是您将能够以非临时方式对文档进行排名。请参阅Vector Space model。

Answer 2

如果你想要一个XML文档的搜索解决方案（只搜索而不是复杂的文档事务），那么我会建议Apache - Lucene搜索引擎。

最新的Apache Lucene 3.x版本提供了下降搜索功能。

在顶部你可以使用使用lucene的Apache-Solr，因为搜索引擎具有所有管理功能，分面浏览和有效负载。 （注意：Lucene实现也适用于所有.NET，Java，Python，Ruby语言）。

如果你想要一些真正基于XQuery的解决方案和开源性质 - 考虑你的文档量，请尝试使用eXist Xml数据库。在eXists数据库中加载所有Xml文档，然后使用XQuery。但这种方法需要 -

1. 将所有Xml文档提取到eXists数据库
2. 编写XQuery模块以将这些文档查询到Xml结果集
3. 直接与您的App讨论这些XQuery模块以获得结果。