[发明专利]一种用于离线搜索的小规模索引数据存储方法

说明书

本发明公开了一种用于离线搜索的小规模索引数据存储方法，包括如下步骤：将数据内容按照从0开始的顺序编号，将各标题存入数组中；逐一对数据内容拆分关键字；逐一将拆分的关键字存入关联数组结构中，关联数组的键就是关键字本身，关联数组的值就是一个大二进制数，某位n为1表明该关键字在第n篇网页或文档中存在，为0表示不存在；在对所有内容完成分析之后，对关联数组做内容压缩，即压缩关联数组的值，将连续相同的位采用行程压缩方法做第一次压缩；将关联数组做序列化输出成字符串，对该字符串再次压缩。本发明提供的索引数据存储方法，具有结构简单，数据紧凑，查询速度快，以及对组合查询运算友好的特性。

技术领域

本发明属于数据存储领域，尤其涉及一种用于离线搜索的小规模索引数据存储方法。

背景技术

全文搜索是一种普遍的需求，无论是对网站，还是对文档，全文检索都是一种非常方便的搜索方式。传统的全文检索都是在服务器端建立索引结构，在客户端也就是Web端输入查询指令，服务端接受查询指令，在服务端完成搜索任务，然后将结果返回客户端，典型的如Google，百度等搜索引擎。针对小规模的数据如企业网站或一般的技术文档等，数据量有限，采用传统的在线全文检索方式成本较高，特别是检索过程较复杂，受网络环境影响较大，用户体验较差。

发明内容

发明目的：本发明旨在解决现有技术中的问题，提出一种用于离线搜索的小规模索引数据存储方法。

技术方案：本发明提供了一种用于离线搜索的小规模索引数据存储方法，包括如下步骤：

(1)将数据内容按照从0开始的顺序编号，将各标题存入数组中；

(2)逐一对数据内容拆分关键字；

(3)逐一将步骤(2)中拆分的关键字存入关联数组结构中，关联数组的键就是关键字本身，关联数组的值就是一个大二进制数，某位n为1表明该关键字在第n篇网页或文档中存在，为0表示不存在；

(4)在对所有内容完成前述步骤(1)～步骤(3)的分析之后，对关联数组做内容压缩，即压缩关联数组的值，将连续相同的位采用行程压缩方法做第一次压缩；

(5)将步骤(4)中关联数组做序列化输出成字符串，对该字符串再次压缩；如果网站服务器支持gzip压缩方式，则直接利用网站服务器来压缩；

(6)客户端在取得经压缩的关联数组字符串之后，将其解压并反序列化，获得关联数组索引结构；

(7)在用户查询单一关键字时，用Javascript从关联数组中查询关键字，如果找到了，将该键的值表达成查询结果，返回一个有网页或文档标题的列表；

(8)对于组合查询，用Javascript从关联数组中查询各关键字，将其找到的值做组合运算，其运算结果即为结果大二进制数字，如果某位位1则该篇网页或文档存在，为0则不存在，给用户返回一个查询结果即可。

有益效果：针对小规模的全文搜索，本发明建立一种简洁紧凑的索引数据存储结构，在用户第一次查询时，将索引数据下载到客户端也就是Web端，此后的所有全文检索都是在客户端完成，省去了网络交互过程，提高了用户体验。本发明提供的索引数据存储方法，具有结构简单，数据紧凑，查询速度快，以及对组合查询运算友好的特性。

附图说明

图1是为本发明流程图。

具体实施方式

下面将结合附图，对本发明的实施案例进行详细的描述；

如图1所示，一种用于离线搜索的小规模索引数据存储方法，包括如下步骤：

(1)将数据内容如网页，文档章节等按照从0开始的顺序编号；将标题等资料存入数组中；

(2)逐一对数据内容拆分关键字；