精準搜索
精準搜索
JZSearch全文精準搜索中間件內核經過精心設計,具有高擴展性和高通用性。可支持文本、數字、日期、字元串等各種數據類型的高效索引,支持豐富的查詢語言和查詢類型,支持少數民族語言的搜索。
同時,全文搜索中間件可以無縫地與現有資料庫系統融合,實現全文搜索與相關的資料庫管理應用系統。
其主要特色在於:
* 可以按照任意指定欄位的排序,支持指定欄位的搜索,也可以搜索多個欄位,以及複雜表達式的綜合搜索;
* 支持精確匹配以及模糊匹配,默認為精確匹配,忽略字母大小寫進行模糊匹配;
* 實現的是多線程搜索服務;
* 每秒可索引3000條記錄(主要瓶頸為資料庫或文件記錄的讀取效率);搜索速度在毫秒級別。
* 兼容當前所有廠商的資料庫系統,其中SQL Server, Oracle, MySQL,DB2等。
(1)索引初始化操作
#ifndef CODE_LIMIT
LJSEARCHAPI_API bool LJIndexer_Init(const char *sDictFilename=0,const char *sFieldInfoFile=0);
#else
LJSEARCHAPI_API bool LJIndexer_Init(const char *sDictFilename=0,const char *sFieldInfoFile=0,const char *sLicenseCodes=0);
#endif
(2)多欄位定義操作
#define FIELD_TYPE_TEXT 1 //文本類型
#define FIELD_TYPE_INT 2 //整型數
#define FIELD_TYPE_LONG 3 //長整型數
#define FIELD_TYPE_DATETIME 4 //日期類型
FIELD_TYPE_TEXT
* //FIELD_TYPE_INT
* //FIELD_TYPE_LONG
* //FIELD_TYPE_DATETIME
* bIndexed:是否需要索引
* bRetrieved:搜索結果中是否要輸出該欄位內容
* bGeneral:是否納入通配搜索的範疇
* Returns : success or fail
* Author : 靈玖軟體
* History :
*********************************************************************/
LJSEARCHAPI_API bool LJIndexer_FieldAdd(const char *sFieldName,const char *sDBFieldName,int nFieldType,bool bIndexed,bool bRetrieved,bool bGeneral=false);
LJSEARCHAPI_API bool LJIndexer_FieldSave(const char *sFieldInfoDataFile);
LJSEARCHAPI_API bool LJIndexer_FieldLoad(const char *sFieldInfoDataFile);
(3)索引系統退出
LJSEARCHAPI_API bool LJIndexer_Exit();
(4)索引合併操作
LJSEARCHAPI_API bool LJIndexer_Merge(const char *sIndexFile1,const char *sIndexFile2,const char *sIndexMerged);
(5)索引類操作
//
class LJSEARCHAPI_API CLJIndexer {
public:
CLJIndexer(int nMaxMemSize=512000000);
//內存大小控制
~CLJIndexer(void);
// TODO: add your methods here.
int MemIndexing(const char *pText,int doc_id,const char *sFieldName=0,int nMemSize=0);
//索引一段內存;
//pText:待索引的內存塊指針
//doc_id由應用程序維護,
//sFieldName:欄位名稱,為空則表示無欄位信息,則該索引不支持多欄位索引與檢索
//nMemSize:指的是pText內存塊的大小,默認為0,需要系統通過strlen自行計算內存大小
int FileIndexing(const char *sTextFilename,int doc_id,const char *sFieldName=0);
//索引一個文本文件
//sTextFilename:文本文件名
//doc_id由應用程序維護
//sFieldName:欄位名稱,為空則表示無欄位信息
int IdIndexing(int term_id,int doc_id,const char *sFieldName=0);
//詞ID索引
//term_id:詞ID
//doc_id由應用程序維護
//sFieldName:欄位名稱,為空則表示無欄位信息
bool Save(const char *sIndexFile);
//索引保存的名稱
//一般都選擇在索引建立全部完成後,調用。
private://以下部分為系統使用,應用開發者不要改寫,只能讀取數據
int m_nHandle;//索引器的Handle,無需調用申請
};
(1)搜索的排序選項
#define SORT_TYPE_DOCID 1//按照Doc ID排序,默認方式
#define SORT_TYPE_RELEVANCE 2//按照相關度排序
(2)搜索的初始化設置
#ifndef CODE_LIMIT
LJSEARCHAPI_API bool LJSearch_Init(const char *sIndexFile,const char *sDictFilename=0,const char *sFieldInfoFile=0);
#else
LJSEARCHAPI_API bool LJSearch_Init(const char *sIndexFile,const char *sDictFilename=0,const char *sFieldInfoFile=0,const char *sLicenseCodes=0);
#endif
(3)搜索系統的退出
LJSEARCHAPI_API bool LJSearch_Exit();
//系統退出
(4)搜索結果的內存存儲格式
typedef struct tRESULT_RECORD {//搜索結果結構,用於檢索計算使用
int doc_id;
int offset;//在域欄位內的偏移量
double score;//排序用的打分
}RESULT_RECORD;
typedef RESULT_RECORD * RESULT_RECORD_VECTOR;
(5)搜索類
//
class LJSEARCHAPI_API CLJSearcher{
public:
CLJSearcher(int sort_type=SORT_TYPE_DOCID);
~CLJSearcher(void);
// TODO: add your methods here.
void Search(const char *query_line,int nStart,int nPageCount,const char *sResultName);
//query_line: 查詢表達式
//nStart:記錄起始地址
//nPageCount:當前頁返回結果數目
//nPageCount=-1:當前頁需要返回所有的結果數目
//sResultName:結果存儲的XML地址
const RESULT_RECORD_VECTOR CLJSearcher::Search(const char *query_line,int *p_nResultCountRet);
//query_line: 查詢表達式
//p_nResultCountRet:搜索結果總數
private://以下部分為系統使用,應用開發者不要改寫,只能讀取數據
int m_nHandle;
int m_nSortType;//排序方法編號
};
//////////////////////////////////////////////////////////////////////////
//
// 以下部分為索引建立的API調用示例
//
//////////////////////////////////////////////////////////////////////////
//索引初始化
LJIndexer_Init("E:/LJSearch20/Data/dictionary.pdat",NULL,"LingjoinICTCLAS2010*~!@#$%&&%$#@!~*");
//設置欄位信息
LJIndexer_FieldAdd("title",NULL,FIELD_TYPE_TEXT,true,true,true);
//對標題建索引,需要搜索
LJIndexer_FieldAdd("content",NULL,FIELD_TYPE_TEXT,true,true,true);
//對內容建索引,需要搜索
LJIndexer_FieldSave("FieldInfo.dat");
//保存欄位信息
CLJIndexer *pIndexer=new CLJIndexer();
//對文檔列表進行索引
for (int doc_id=0;doc_id
{//索引一個文件,注意:vecFileList存儲的是文件名向量
pIndexer->MemIndexing(vecFileList[doc_id].c_str(),doc_id,"title");
//對文件標題進行索引
printf("Indexing %s title completed!\n",vecFileList[doc_id].c_str());
pIndexer->FileIndexing(vecFileList[doc_id].c_str(),doc_id,"content");
//對文件內容進行索引
printf("Indexing %s content completed!\n",vecFileList[doc_id].c_str());
}
pIndexer->Save("Test0430test");//保存索引結果
delete pIndexer;//索引完成,釋放空間
LJIndexer_Exit();//退出索引系統
LJSearch_Init("Test0430test","E:/LJSearch20/Data/dictionary.pdat","FieldInfo.dat","LingjoinICTCLAS2010*~!@#$%&&%$#@!~*");
//搜索系統初始化
CLJSearcher *pSearcher=new CLJSearcher(SORT_TYPE_RELEVANCE);//按照相關度排序
//申請搜索類
int nRecordCount=0;
RESULT_RECORD_VECTOR pResult =0;
int nLen;
char *pQueryString,*sLine;
sLine=new char[100];
strcpy(sLine,"[FIELD] content [AND] 解放軍 張雁靈");//甲型H1N1流感
//Sample1: [FIELD] title [AND] 解放軍
//Sample2: [FIELD] title [AND] 甲流
//Sample3: [FIELD] title [AND] 解放軍 甲流
//Sample4: [FIELD] title [OR] 解放軍 甲流
//Sample5: [FIELD] title [AND] 解放軍 [FIELD] title [NOT] 甲流
//Sample6: "[FIELD] content [AND] 解放軍 張雁靈 [FIELD] title [AND] 解放軍"
//Sample7: "[FIELD] content [AND] 解放軍 張雁靈 [FIELD] title [AND] 解放軍"
//Sample8: [FIELD] title [AND] 解放軍某部發生數百人感染甲流疫情
//Sample9: [FIELD] title [AND] 解放軍某部發生數百人感染甲流疫情
//Sample10: [FIELD] content [AND] 甲型H1N1流感
//Sample11: [FIELD] content [NEAR] 張雁靈 解放軍
//Sample12: [FIELD] content [AND] 解放軍 [FIELD] content [NOT] 張雁靈
int nSize=0;
pQueryString=sLine;
pResult=pSearcher->Search(pQueryString,&nRecordCount);
//搜索pQuerySearch,結果總數存在nRecordCount內,搜索結果數組指針存儲在pResult
printf("Query=%s, Search Result Count=%d, list as follows:\n",pQueryString,nRecordCount);
//逐個輸出搜索結果
for (int i=0;i
{
printf("No.%d:doc_id=%d===%s[%d] score=%f\n",
i,
pResult[i].doc_id,
vecFileList[pResult[i].doc_id].c_str(),
pResult[i].offset,
pResult[i].score
);
}
delete pSearcher;//釋放搜索類
delete sLine;
LJSearch_Exit();//退出搜索系統
目錄