问题标签 [text-search]

我正在寻找存储在名为“EmailKeywords”的表中的几个关键字的外观，这些关键字在通过变量@Searchtext 传递的搜索字符串中。我通过下面编写的存储过程完成了这一点，它通常可以正常工作。但是要查找许多关键字，这需要花费大量时间，因为我必须使用每个关键字遍历搜索文本。

有人知道如何加快搜索速度吗？欢迎任何提示。

如果它存在于另一个文本（'haystack'）中，我想搜索一个文本（'needle'），并具有以下两个条件：

1. 'needle' 的所有字符必须以相同的顺序在 'haystack' 中
2. 'haystack' 中的 'needle' 的后续字符之间可以有任何和无限的其他字符

例子：

• abcde 中的 cde --> TRUE
• ab-c-de 中的 cde --> TRUE
• cabecd 中的 cde --> FALSE
• cde 在 cd!a+b5ce --> TRUE
• edc 中的 cde --> FALSE

此外，'cde' 不是一个常量字符串，而是一个在列表上迭代的变量。

python 或 R 或​​ bash 中的任何优雅解决方案将不胜感激。

我正在尝试在所有文件的目录中搜索文本。它也有望访问子文件夹。文件夹和文件的名称中包含空格字符。我正在使用以下命令进行搜索。

这不会访问带有空格字符的文件夹和文件。关于在命令上更改什么有什么建议吗？

我正在一个大文件中搜索多行模式，如果发现需要替换内容。我想以一种内存有效的方式来实现这一点。我当前的实现以 4096 字节的形式从文件中读取文本。然后它应用正则表达式搜索替换并将结果保存在缓冲区输出流中。通过不将整个文件加载到内存中，这确实给了我一些内存改进，但是我使用 map/flush 调用进行了很多 IO。需要有关进一步改进我的代码的建议。此外，如果要搜索的模式被分成相邻的块，算法也会失败。关于如何有效地搜索替换分割成相邻块的文本的任何想法。假设：要搜索的文本总是小于 4096 字节。

我不知道如何在我的项目或模块中搜索模式。

我想找到所有具有类似aaabbbccc或文本的文件aaa123ccc。当我尝试aaa*ccc检查正则表达式时，我没有看到任何结果。

我在这里想念什么？

我正在尝试使用复选框进行文本搜索。例如，如果该人选中该复选框，它将显示用户在搜索框中输入的单词/字母（该单词/字母将被突出显示）。假设我输入“the”，它将搜索段落中的所有“the”并突出显示所有“the”。我已经了解了第一部分，我不明白的是如何使复选框与文本搜索表单连接。因此，当用户选择复选框时，将显示“the”或他们在搜索框中输入的任何单词/字母。

我正在考虑使用 if 语句...

我是编程新手，我想知道如何在文本中进行如下搜索。

我有一个包含以下内容的文本

今天我赢了，仿佛他知道了真相，今天我清醒了，就像死了一样，与事物不再有血缘关系

我想要什么并搜索这个文本有这个词

真相如果你

我想存储一个字符串开头的单词“truth”，直到单词有意义，字符串将是

今天我真的很清醒，好像你死了，没有

并省略文本的其余部分。

我已经尝试搜索“真相”这个词的位置，但没有奏效。

目前我正在研究数据挖掘、文本比较并找到了这个：https ://en.wikipedia.org/wiki/Cosine_similarity 。

因为我已经成功地实现了这个算法来比较两个字符串，所以我决定尝试一些更复杂的任务来实现。我已经迭代了包含大约250k文档的数据库，并将数据库中的一个随机文档与该数据库中的整个文档进行了比较。

比较所有这些项目的时间：316.35898590088 秒，即 - > 5 分钟来比较所有 250k 文档！

由于这个结果，出现了许多问题，我不想提出一些建议。为了清楚起见，首先我将描述一些可能有用的细节。

• 作为编程语言选择了PHP。
• 文档存储在 MySQL 中。
• 余弦相似度函数的实现只包含这个函数，没有停用词和任何其他花哨的东西。

问题

• 有什么办法可以达到更好的性能吗？我应该从哪里开始，通过调整算法（即提前准备向量等），通过使用其他技术等？
• 我应该如何以及在哪里存储这些比较结果。例如，我想打印一些图表，我可以通过相似度分数查看所有这些 250k 文档，以便我可以识别哪些最相似等等。

最初，问题是我必须得到一些通知，当用户在 JqueryUI 自动完成中输入的术语（项目中的城市名称）与集合中的任何内容不匹配时（输入“我的甜蜜城市”并且它不匹配 [莫斯科，新 -北京约克]）。所以我将重写我的代码以手动搜索数组，但我有一个问题——数组搜索如何像自动完成一样？

是否可以在 MongoDB 支持的现有语言中添加一种语言？喜欢定义自定义停用词？我想使用斯洛文尼亚语的文本搜索。