如何對文本文件實現(xiàn)全文搜索?

postzy

用PHP寫了一個簡單的信息發(fā)布程序,所發(fā)布的信息是以純文本文件保存的(文件名形如0123.txt),沒有放在MYSQL數(shù)據(jù)庫中(數(shù)據(jù)庫中只記錄了發(fā)布的序號,信息標題,文本文件名,發(fā)布人,發(fā)布日期時間等),請問如何實現(xiàn)全文搜索,即相當于WINDOWS里的"包含文字"搜索?

所發(fā)布的文本文件全部放在E:\message\doc目錄下,文件名從0001.txt開始,逐個遞增.

淺魚

這種方法本身就不可取，直接存取數(shù)據(jù)庫最合算。不過以下語句可以用用看。

1. 
   
2. 
   
3. <?php
   
4. function searchfromdir($dir,$key){
   
5.         $hand=opendir($dir);
   
6.         $files=$file." ";
   
7.         while(false!==($file=readdir($hand))){
   
8.         $filedir="$dir/$file";
   
9.         if ($file!= "." && $file!= ".."){
   
10. 
    
11.         $fp=fopen($filedir,"r");
    
12.         $data=fread($fp,filesize($filedir));
    
13.         fclose($fp);
    
14. 
    
15. if(is_integer(strpos($data,$key))){
    
16. 
    
17. $files.=$file." ";
    
18. 
    
19. }
    
20. if(!is_integer(strpos($data,$key))){
    
21. $files.="";
    
22. }
    
23. 
    
24. }
    
25. 
    
26. }
    
27. 
    
28. closedir($hand);
    
29. return $files;
    
30. }
    
31. $dir="E:\\message\\doc";$key="自己決定";
    
32. $newdir=searchfromdir($dir,$key);
    
33. $newdir=str_replace(" ","|",trim($newdir));
    
34. 
    
35. /***************以下是數(shù)據(jù)庫查詢及輸出，從略********************/
    
36. ?>;
    

復(fù)制代碼

HonestQiao

文本文件搜索是最不可取的。

不過你可以參考一下子LB5000XP的PERL代碼來看看。/

深空

難道是讀取到數(shù)組然后 stripos？

淺魚

讀取到數(shù)組理論上可以，實際上當文本很大時就有當機之虞。
所以應(yīng)該一個一個打開驗證是否存在此關(guān)鍵詞，strpos是最簡單的查找方法，ereg,preg_match都可以。如果有此關(guān)鍵詞，則記錄其文件名，再行查找數(shù)據(jù)庫。不管如何，此種方法猶如抱甕入井，特別是windows系統(tǒng)，一個文件夾超過一定數(shù)量（有人說3000個）的對象時，查找定位速度直線下降。數(shù)據(jù)庫的查找速度與記錄總數(shù)有關(guān)，而與每條記錄的大小關(guān)系甚微，且存于數(shù)據(jù)庫的數(shù)據(jù)大小較置于文件夾中小許多，在下喜歡把圖片也放在數(shù)據(jù)庫。

tonera

openfile ->; fgets ->; search ->;record ->;closefile

oklqh

淺魚,很多空間商提供的數(shù)據(jù)庫空間都是非常小的,容不得這么做啊

ayouxxx

基于文本的搜索引擎還是最快的噢，你有興趣自己開發(fā)搜索引擎嗎？呵呵

基本思路是這樣，為每一個文件做單字切分，然后把位置（哪個文件、第幾字符）記錄在一個索引中，最后是檢索索引，組合詞語的話，就是前一個字和后一個字緊挨著就是了

apache基于java的搜索引擎lucene就是這樣的做法

淺魚

oklqh,這種情況我也碰到，我在Lycos 租用的空間沒有開放fopen()和mkdir()等關(guān)鍵函數(shù)，幾千個圖片只有放在外面而且一天差不多有8小時無法打開網(wǎng)站。勸大家不要去注冊，否則一定會失望。

上面語句的結(jié)果是文件名組成的字符串，可以用(select * from yourtable where thecols REGEXP "$newdir" 查找。