0

我们在研究档案中遇到了不同的搜索引擎，并浏览了 Xapian-Omega 文档，我们决定尝试一下，因为 Omega 选项似乎是一个合适的解决方案，有几个有趣的搜索选项。

我们在 Linux 服务器（Deb 7）上安装了 Xapian-Omega，并成功测试了设置。但是，我们不确定如何在 Xapian-Omega 中使用或什至启用通配符或正则表达式。

我们读到，对于 Xapian，必须启用通配符选项“QueryParser flags”有人可以澄清一下吗？IE。用一两个例子解释或指出一个页面。

但是我们没有看到太多关于 Omega CGI 示例的信息，尽管后者运行良好，但通配符选项（例如通用通配符的 * 和作为单个字符的 ?），默认情况下似乎没有按预期工作，它们会很有用，即使词干和子字符串等可能是有用的。

例如：能够使用具有一定精度的标准简单野生字符搜索会很有趣，例如：medic* 用于医学医学药物或使用？对于单个字符

Omega 可以识别 Regexp 吗？例如：sep[ae]r[ae]te(\w+)? 或搜索结构化格式，例如电子邮件或信用卡号码或研究论文中的某些公式类型等。

在 Olly Betts 很久以前（开发邮件列表）的一份说明中，关于这个建议是 grep 索引文件，但这会破坏 Omega 的 RAD 优势。

任何使用带有通配符或正则表达式的 Omega 进行搜索的示例都将不胜感激......即使是一个页面的指示，该页面的有关此主题的信息也很好地展示了如何单独使用 Xapian 开发高级搜索的示例（PHP或者 Python 可能）。

（我们暂时不担心索引大小或索引存档时间的最终大幅增加）

4

2 回答 2

0

James Ayatt：感谢您的回答和帮助，对于这个迟来的回复，我对其他工作的干扰，我深表歉意。我们已经看过 Omegascript 页面，但不清楚如何在 CGI 界面中使用这些选项。另外 * 的使用似乎是用于尾随字符，对吗？即不适用于内部单词组，例如：omeg*ipt；在某些情况下，词干选项是不够的。我们没有看到单个野生字符的选项，有时用 ? 在某些搜索引擎中。你能在这里发表评论吗？

关于正则表达式的使用，我们曾想象过它可能并不像人们希望的那么简单。上一篇文章中提到的例子当然是简单的可能用途，当然还有更多。您对使用词干选项的评论似乎是恰当的。

在某些情况下，启用某种类型的正则表达式选项来提取文本表单可能会很有趣，例如上面提到的那些。快速提取此类文本，也许连同一些周围的文本可能非常有用。我们一定会通过邮件列表尝试您的建议。

再次感谢你。

于 2016-08-19T21:02:21.993 回答
0

$set{flag_wildcard,1}您可以使用（在Omegascript 文档中介绍）在 Omega 中启用右通配符（例如“medic*”），这将启用FLAG_WILDCARD. 用户手册中有一节介绍了使用通配符。

Xapian 不提供对正则表达式搜索的支持，尽管理论上我相信它是可能的，如果可能成本高昂（取决于正则表达式）。它必须针对数据库中的未提取词条运行正则表达式，然后将它们输入到搜索中。变得困难的地方是，如果正则表达式扩展到很多术语（例如，只是 'a' 作为正则表达式）。使其高效也有一些微妙之处。很容易通过术语列表跳转到具有恒定前缀的内容，如果可能的话，您希望利用它。

对于您的示例sep[ae]r[ae]te(\w+)?，听起来您实际上想要拼写更正（对于 ae 替换，您可以使用 启用$set{flag_spelling_correction,1}）和词干（对于 'te' 之后的尾随字母；欧米茄默认为英文词干，但这可以是已更改），或者通配符或部分匹配支持。

如果您的用例确实需要正则表达式，那么我建议您在xapian-discuss 邮件列表中提出它。自上次讨论以来，Xapian 已经继续前进，我相信现在建立这样的支持会比当时更容易。

于 2016-08-17T10:03:56.287 回答