MongoDB中文分字搜索

為工作室開發(fā)的 iDocument 文檔分享平臺(tái)，因?yàn)楹蠖藬?shù)據(jù)庫(kù)是 MongoDB 所以沒(méi)有做站內(nèi)搜索，只是放了個(gè)百度站內(nèi)搜索的工具。不過(guò)后來(lái)發(fā)現(xiàn)BAKA百度根本不收錄站內(nèi)鏈接，所以主席強(qiáng)烈要求做站內(nèi)搜索 (:з」∠) MongoDB 的分詞搜索不支持中文，而精確匹配的話基本

為工作室開發(fā)的 iDocument 文檔分享平臺(tái)，因?yàn)楹蠖藬?shù)據(jù)庫(kù)是 MongoDB 所以沒(méi)有做站內(nèi)搜索，只是放了個(gè)百度站內(nèi)搜索的工具。不過(guò)后來(lái)發(fā)現(xiàn)BAKA百度根本不收錄站內(nèi)鏈接，所以主席強(qiáng)烈要求做站內(nèi)搜索(:з」∠)

MongoDB 的分詞搜索不支持中文，而精確匹配的話基本上就沒(méi)啥意義了。所以考慮一下幾種方法。

考慮到數(shù)據(jù)庫(kù)中已經(jīng)有之前的一些數(shù)據(jù) (以及主席表示上傳文檔實(shí)在太累了所以強(qiáng)烈要求我保留原數(shù)據(jù)) 所以這里選擇了分字搜索方式。

按照喵菊給的方法，基本的步驟如下

1. 分字函數(shù)名稱為 split()，文檔標(biāo)題為 title，搜索字段為 querytext。
2. 存入新的文檔對(duì)象時(shí)，包含一個(gè) attribute 名為 searchIndex，值為 split(title)。也就是將 title 分字后得到的數(shù)組。
3. 將 searchIndex 編入索引。ensureIndex({searchIndex: 1})，順序的話，喵菊之前提到過(guò)，但是這里暫不考慮。
4. 搜索時(shí)把 split(querytext) 交給數(shù)據(jù)庫(kù)來(lái) find()

由于 Javascript 自帶一個(gè)超級(jí)好用的 String.prototype.split() 方法，所以分字就是 title.split('')。

以及，喵菊說(shuō)如果用數(shù)組的話就不能用 /variable/i 這樣的正則來(lái)忽略大小寫了。所以存進(jìn)去新index的時(shí)候要全部轉(zhuǎn)換成小寫，搜索的時(shí)候也要轉(zhuǎn)換成小寫來(lái)實(shí)現(xiàn) Case-insensitive search.

修改路由函數(shù)，添加一個(gè)新的屬性 searchIndex：

var newdoc = { title: req.body.title, updateTime: Math.round((new Date()).getTime() / 1000), fileType: req.body.fileType, belongs: req.body.belongs, course: req.body.courseId, type: req.body.type, link: req.body.link, downloads: 0, searchIndex: req.body.title.toLowerCase().split('').clean(" ") // Remove space element after split to single text.};Array.prototype.clean = function (deleteValue) { for (var i = 0; i < this.length; i++) { if (this[i] == deleteValue) { this.splice(i, 1); i--; } } return this;};

修改文檔模型函數(shù)，添加時(shí)將 searchIndex 編入索引：

exports.addnew = function(newdoc, callback) { collection.insert(newdoc, {safe: true}, function(err) { if (err) { return callback(err); } collection.ensureIndex({ searchIndex: 1 }, function(err) { if (err) { return callback(err); } callback(null); }); });}

新建文檔搜索函數(shù)。 坑：如果直接把分好字的數(shù)組交給數(shù)據(jù)庫(kù)來(lái) find 那么一樣是精確匹配的效果。這里應(yīng)該是我對(duì) MongoDB 還不夠熟悉才掉坑里…

正確的匹配方法是 db.documents.find({ searchIndex: {$all: splittedTextArray} })。

exports.searchdoc = function(splittedTextArray, callback) { collection.find({ searchIndex: {$all: splittedTextArray} }) .sort({ downloads: -1 }) .toArray(function(err, docs) { if (err) { return callback(err, null); } callback(null, docs); });}

然后按照主席的要求，寫了個(gè)腳本來(lái)更新之前的數(shù)據(jù)。方法是將原來(lái)的數(shù)據(jù)全部取出，然后遍歷寫回的同時(shí)添加 searchIndex。看了下原來(lái)有的數(shù)據(jù)大約就100多條，所以直接全部取了沒(méi)考慮分段的問(wèn)題嗯。

據(jù)喵菊說(shuō)，數(shù)組處理是 MongoDB 的強(qiáng)項(xiàng)所以非常快～

整個(gè)項(xiàng)目的源碼在這里

修改完畢，測(cè)試效果非常贊w 不過(guò)就是BAKA的blueed還沒(méi)寫搜索列表頁(yè)的樣式就是了… 據(jù)說(shuō)前端苦逼

原文地址：MongoDB 中文分字搜索, 感謝原作者分享。

聲明：本網(wǎng)頁(yè)內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問(wèn)題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com