使用Xapian Omega搜索 - 使用通配符或正则表达式

Question

我们正在为我们的研究面对不同的搜索引擎 档案和浏览了Xapian-Omega文档，我们 决定尝试一下，因为Omega选项似乎是一个 适当的解决方案，有几个有趣的搜索选项。

我们在Linux服务器（Deb 7）上安装了Xapian-Omega并进行了测试 设置成功。但是我们不确定如何做到 使用或甚至可以使用Wild Cards或Regular 表达与Xapian-Omega。

我们读到，对于Xapian，必须启用Wild Card选项 “QueryParser标志” 有人可以澄清一下吗？ 即。用一两个例子解释或指出一个页面。

但我们没有看到有关Omega示例的更多信息 CGI，虽然后者运行良好，外卡选项 （例如*用于普通外卡和？作为单个字符）， 似乎默认情况下没有按预期工作，他们会 有用的，即使词干和子串等可能是有用的。

例如：能够采用标准的简单方法会很有趣 wild char搜索具有一定的精度，例如： 医药*用于医药药品 还是用？单个字符

Regexp能否被Omega认可？ 例如：sep [ae] r [ae] te（\ w +）？ 或搜索电子邮件或信用卡等结构化格式 研究论文中的数字或某些公式类型等。

很久以前来自Olly Betts的一份说明（Dev Mailing List） 这个建议是grep索引文件，但这样做 击败欧米茄的RAD优势。

使用带有Wild Cards或Regular的Omega搜索的任何示例 表达式将是最受赞赏的...甚至表明 一个页面，其中提供了有关此主题的信息 以及说明如何开发高级搜索的示例 单独使用Xapian是非常受欢迎的（也许是PHP或Python）。

（我们并不关心最终的那一刻 指数大小或大幅增加 时间归档档案）

Answer 1

您可以使用$set{flag_wildcard,1}（Omegascript documentation中所述）启用Omega中的右通配符（例如＆＃34; medic *＆＃34;），这将启用FLAG_WILDCARD。 using wildcards上的用户手册中有一节。

Xapian并没有为正则表达式搜索提供支持，尽管从理论上讲我认为有可能支持，如果可能代价高昂（取决于正则表达式）。它必须针对数据库中未经过干扰的术语运行正则表达式，然后将它们提供给搜索。如果正则表达式扩展到很多术语（例如只是＆＃39;作为正则表达式），那就变得困难了。在提高效率方面也有一些微妙之处;很容易通过术语列表跳转到具有常量前缀的内容，并且如果可能的话，您希望利用它。

对于sep[ae]r[ae]te(\w+)?的示例，听起来您确实需要spelling correction的组合（对于ae替换，您可以使用$set{flag_spelling_correction,1}启用）和stemming （对于＆＃39; te＆＃39;之后的尾随字母; Omega默认为英语词干，但是that can be changed），或者是通配符或部分匹配支持。

如果您的确需要使用正则表达式，那么我建议您在xapian-discuss mailing list上提出正则表达式。自上次讨论以来，Xapian一直在继续前进，我相信现在建立这样的支持比现在更容易。

Answer 2

詹姆斯艾亚特：感谢您的回答和帮助，对此迟到的回复道歉，与其他工作分心。 我们已经看过Omegascript页面，但我们不清楚如何在CGI界面中使用这些选项。使用*似乎也适用于尾随字符，这是正确的吗？即不适用于内部词组，例如：omeg * ipt;在某些情况下，阻止选项是不够的。我们没有看到单个野生角色的选项，有时用？在某些搜索引擎中。你能在这里发表评论吗？

关于正则表达式的使用，我们已经想到它可能不像人们希望的那么简单。前一篇文章中提到的例子当然是简单的可能用途，当然还有更多。您对使用词干选项的评论似乎是合适的。

在某些情况下，为文本表单的提取启用某种类型的正则表达式选项可能会很有趣，例如提到的那些。这种文本的快速提取，可能与一些周围的文本一起可能非常有用。 我们一定会在邮件列表中尝试您的提案。

再次感谢你。