python - 搜索不可靠的作者姓名

Question

我们扫描了数千份旧文件并将关键数据输入数据库。其中一个字段是作者姓名。

我们需要搜索给定作者的文档，但可能输入的确切名称不正确，因为在许多文档中数据是手写的。

我想只搜索姓氏的前几个字母，然后显示一个列表供用户选择。在这个阶段我不知道有多少不同的作者，我怀疑它将是数百而不是数十万。将有数十万份文件。有没有更好的办法？SQL 数据库会更好地处理它吗？

该软件是python，并且会有一个文档列表，每个文档都有一个作者。

Answer 1

我认为您可以使用 mongodb 来设置列表字段，其中包含所有可能的作者姓名。例如，您有手写名称“black”，但您无法识别名称中的字母，例如“c”或“e”，您可以将来源名称设置为“black”并添加到可能名称列表“blaek”

Answer 2

您可以使用Sunburnt，它是一个 Python-Solr 库，它可以访问构建在Lucene之上的Solr。

Solr 的摘录：

Solr 是 Apache Lucene 项目中流行的、超快的开源企业搜索平台。它的主要功能包括强大的全文搜索、命中突出显示、分面搜索、动态聚类、数据库集成、富文档（例如，Word、PDF）处理和地理空间搜索。Solr 具有高度可扩展性，提供分布式搜索和索引复制，它为许多世界上最大的互联网站点的搜索和导航功能提供支持。

它将为您提供搜索文档所需的一切，包括部分命中和潜在匹配项，无论您的搜索条件是什么。