需要帮助进行我自己的搜索引擎实现的基本SQL查询

Question

>我正在用java（eclipse）做一个搜索引擎实现我有一个名为 tbl_index 的表，我在其中保存所有 keyWords 和一个名为 keyWord 的列，我根据该列将 URL 保存在列url中。

现在，如果一个搜索词由多个单词组成，我将如何编写查询来查找包含所有单词的所有 URL。

表信息：

专栏 1 ： keyWord (nvarchar(50))

专栏 2 ： url (varchar(800))

这两个统称为表的主键。请提出一种我不必改变我的 talbe 结构的方法。尽管指出我当前架构中的任何错误会有所帮助。

另外，请建议一些好的索引技术来索引我从网站的html（keyWord列）中获得的关键字。

Answer 1

试试这个：

select distinct
  url 
from 
  tbl_index a 
where 
  (select count(*) from tbl_index b where a.url=b.url and b.keyword in ('word 1', 'word 2' . . .)) = n

其中n是您正在搜索的关键字数量，"单词 1"、"单词 2"等是关键字。

我建议您创建三个表：一个表为每个唯一 URL 提供一行，带有数字 ID 和 url 名称，另一个表包含每个唯一关键字的一行，带有数字 id 和关键字，然后是包含所有对 url id - 关键字 id 的交叉引用表：

create table urls (
  url_id int identity,
  url varchar(800),
  primary key (url_id)
)
create table keywords (
  keyword_id int identity,
  keyword nvarchar(50),
  primary key (keyword_id)
)
create table urlkeys (
  url_id int,
  keyword_id int,
  primary key (url_id, keyword_id)
)

通过这种方式，您应该减小数据的大小。上面的查询变为如下所示：

select 
  url
from
  urls
where (select count(*) from urlkeys join keywords on urlkeys.keyword_id=keywords.keyword_id where urlkeys.url_id=urls.url_id and keywords.keyword in ('word 1', 'word 2' . . .)) = n

最好在

keyword列上有一个索引

附言这是一个简单SQL解决方案的大纲，但正如许多人在评论中已经指出的那样，这是一个最好使用全文搜索解决方案解决的问题。一旦您尝试执行词干提取、邻近搜索、部分单词搜索、通配符等操作，任何基于 SQL 的解决方案都将达不到要求。

Answer 2

这基本上是 2 步过程。

一个。首先将您的搜索词分解为单独的字词，如下所示：

String[] words = searchTerm.split("\W+");

二.然后通过迭代单词数组来构建查询，并创建如下所示的查询：

Select url from tbl_index where keyword in ('word1', 'word2', 'word3');

这里的word1，word2，word3基本上是words[0], words[1], words[2]等等。

PS：您可能不想在表中精确匹配关键字，在这种情况下，我建议在MySQL查询中使用rlike子句以获得正则表达式功能。