Question

我希望能够实现一个简单但有效的App Engine文本搜索，我可以使用它来发布app引擎的官方文本搜索功能。我看到那里有库，但安装新东西总是很麻烦。我想知道这是否是一个有效的策略：

1）将需要进行文本搜索的每个属性分解为文本片段的集合（列表） 2）添加这些列表保存记录 3）搜索时，只需在列表属性

上使用相等过滤器

例如，如果我有记录：

{
  firstName="Jon";
  lastName="Doe";
}

我可以保存这样的财产：

{
  firstName="Jon";
  lastName="Doe";

  // not case sensative:
  firstNameSearchable=["j","o", "n","jo","on","jon"];   
  lastNameSerachable=["D","o","e","do","oe","doe"];
}

然后搜索，我可以这样做并期望它返回上述记录：

//pseudo-code:
SELECT person 
WHERE firstNameSearchable=="jo" AND
      lastNameSearchable=="oe"

这是文本搜索的实现方式吗？你如何防止索引失控，特别是如果你有一个段落或什么？是否有一些其他常用的压缩策略？我想如果我只想要一些简单的东西，这可能有用，但很高兴知道我可能会遇到的问题。

更新:::

好的，事实证明这个概念可能是合法的。此博文也引用了它：http://googleappengine.blogspot.com/2010/04/making-your-app-searchable-using-self.html

注意：上面博客文章中的源代码不适用于当前版本的Lucene。我安装旧版本（2.9.3）作为一个快速修复，因为谷歌应该尽快推出自己的应用程序引擎文本搜索。

下面的响应中建议的解决方案是一个很好的快速修复，但由于大表的限制，只有在查询一个字段时才有效，因为您只能在查询中的一个属性上使用非相等运算符：

db.GqlQuery("SELECT * FROM MyModel WHERE prop >= :1 AND prop < :2", "abc", u"abc" + u"\ufffd")

如果要查询多个属性，可以保存每个属性的索引。就我而言，我在小文本字段上使用它来实现一些自动建议功能，而不是在文档中实际搜索单词和短语匹配（您可以使用上面的博客文章实现）。事实证明这很简单，我真的不需要它的库。此外，我预计，如果有人在搜索“拉里”，他们将首先键入“La ...”，而不是从单词中间开始：“arry”。因此，如果属性是针对一个人的名字或类似的东西，索引只有从第一个字母开始的子串，所以“拉里”的索引只是{“l”，“la”，“lar”，“larr” “，”拉里“}

我为电话号码这样的数据做了一些不同的事情，你可能想要搜索从开头或中间数字开始的数据。在这种情况下，我只是存储了从长度为3的字符串开始的整个子串集，因此电话号码“123-456-7890”将是：{“123”，“234”，“345”，.... 。“123456789”，“234567890”，“1234567890”}，总共（10 *（（10 + 1）/ 2）） - （10 + 9）= 41个索引......其实我做的还多一点复杂，以便删除一些不太可能使用的子串，但你明白了。

然后你的查询将是：（Pseaudo代码） SELECT *来自Person WHERE firstNameSearchIndex ==“lar” phonenumberSearchIndex ==“1234”

app引擎的工作方式是，如果查询子字符串与属性中的任何子字符串匹配，则将其视为匹配。

Answer 1

在实践中，这不会扩展。对于n个字符的字符串，您需要n个阶乘索引条目。 500字符的字符串需要1.2 * 10 ^ 1134索引来捕获所有可能的子字符串。在实体完成写入数据存储之前，您将死于老年。

search.SearchableModel等实现为每个单词创建一个索引条目，这更加真实。您无法搜索任意子字符串，但有一个技巧可以匹配前缀：

来自the docs：

db.GqlQuery（“SELECT * FROM MyModel   其中prop＆gt; =：1 AND prop＆lt; ：2" ，   “abc”，你“abc”+ u“\ ufffd”）

这匹配每个MyModel实体   一个字符串属性prop开始   用字符abc。 unicode   字符串u“\ ufffd”代表   最大可能的Unicode字符。   当属性值排序时   一个索引，这个值就是这个   范围是所有开始的值   使用给定的前缀。

应用程序引擎 - 轻松搜索文本

1 个答案: