Question

我目前正在数据库中的“页面”上执行全文搜索。当用户得到他们想要的结果时，我无法向他们提供相关信息，说明为什么世界上出现的结果出现了。

我正在寻找的规格：

我有HTML数据，这意味着如果您搜索“test”等术语并且包含结果页面<b>here is some test</b> page。我应该能够突出显示该术语而不会对页面上的html代码产生负面影响。
我只想返回文档的一部分，就像谷歌一样;返回的部分包含我搜索条件的很大一部分。如何确定哪个部分包含最多的术语？最好确定哪个部分返回总体最多的术语，或者具有大多数单个搜索术语的部分，或两者的组合？或者应该包含多个信息片段？
我想做这个服务器端，如果这是一个可行的选择？

我不确定做这两件事的最佳方法是什么。我确实知道一个很容易被忽视的问题，需要加以考虑：

一个。如果你不小心，在随机点截取html数据可能会完全破坏页面，例如，不关闭div标签可以抛弃我的整个布局。有什么最好的解决方案？

实现上述搜索系统的最佳方法是什么？

Answer 1

我不会在搜索结果中保留HTML格式。这会使你的结果页面非常混乱。在结果描述中包含标题，换行符，图像，段落边距等是没有意义的 - 特别是如果您只打印截断内容的简短摘录。
我认为在大多数情况下，一次匹配100％搜索字词的结果比只匹配50％重复两次的搜索字词的结果更具相关性。但这也取决于查询。
这是唯一可行的选择，除非您想立即向客户发送所有结果页面。

由于您使用的是MySQL内置的全文搜索功能，因此您无法真正向用户显示为什么结果就是这样 - 不是没有详细了解全文搜索确定相关性。您可以做的是向每个页面显示可能与其搜索相关的用户摘录，并可帮助他们对要查看的结果进行有用的确定。

我首先使用strip_tags()删除任何标记的页面内容，然后将explode()内容放入单个句子的数组中。然后，您可以遍历数组以确定每个句子的相关性，然后简单地向用户显示最相关的句子。如果最相关的句子太长，则在字边界处截断它。

$text = strip_slashes($content);
$sentences = explode('.  ', $text);
$relevance = array();
foreach ($sentences as $i=>$sentence) {
    $rel = 0;
    $relevance[$i] = calcRel($sentence);
}
arsort($relevance);
list($i, $j) = array_keys($relevance);
$ellips = (abs($i-$j)>1?'...':'');
if ($i < $j) {
    $description = $sentences[i].$ellips.$sentences[j];
} else {
    $description = $sentences[j].$ellips.$sentences[i];
}

calcRel($sentence)将返回一个数值，表示通过以下方式计算的相关性：

在$sentence中搜索整个查询字符串。对于每次出现，相关数将增加2 ^ n;其中n是查询字符串中的单词数。
搜索部分匹配 - 再次加权2 ^ n; n是匹配的单词数。
搜索单个查询字词，为每个匹配项提供1的权重。
最后，在上述每项搜索中，匹配的字词/短语都应从$sentence中移除，因此不会多次计算。

另一种策略可能是扫描搜索词的整个文本，记录每场比赛的位置。然后使用简单的算法，你可以找到最紧密的搜索关键词集群，并选择你那样的摘录，截断单词边界或句子边界。

Answer 2

try preg_match(); with preg_replace();

数据库搜索术语突出显示和结果截断

2 个答案: