我网站搜索引擎的数据库表结构

Question

我正在尝试为我的网站制作一个搜索引擎。如何设计保存索引词列表的表。

之前我是这样想的:

表:tbl_indexedwords 有 2 列 iw_wordid 和 iw_word。

表:tbl_wordoccurrence 有 4 列 wo_occurrenceid、wo_wordid、wo_pageid、wo_numberofoccurrences.

现在，如果用户在搜索框中输入两个以上的词，这种设计将无法正常工作。假设 foo bar。即使 foo 和 bar 都出现在表 tbl_indexedwords 中并且相应的详细信息在 tbl_wordoccurrence 中，我的搜索引擎脚本会将结果排名在它看到 foo 或 bar 的最大 wo_numberofoccurrences 的位置。它不会查看 foo 和 bar 是否相邻存在，因为没有单词出现顺序的列。我希望我在这里说的很清楚。

另一个想法可能是制作 3 列的表 tbl_wordoccurrence。忘记 wo_numberofoccurences 并使用唯一的 wo_occurrenceid 存储页面中的每个单词。现在，这将解决我的问题，因为我知道单词出现的顺序。如果某个单词的 wo_occurrenceid 是另一个单词的 wo_occurrenceid+1 或 wo_occurrenceid-1 那么，这两个并排出现。

这种设计的问题在于它会占用大量空间。我的网站有很多内容。我认为这种方法会使它变慢(虽然不确定)。还有其他设计可以帮助我吗？还是我必须和第二个一起去？我确信第一个不会起作用，所以放弃它。

Answer 1

如果您网站的内容在数据库中(我假设)，如果您使用 FULLTEXT 索引，则甚至不需要创建单独的表。如果您使用的是 mySQL，那么它具有这样的功能，请参阅示例 here和 here .如果您使用的是 MSSQL，它还有自己的 FULLTEXT 索引功能，如示例 here和 here

如果您坚持要有一个单独的表来进行搜索，那么您很可能只需要一个表，例如:

Table  : tbl_wordsoccurrence
Fields : words_id, words 
(and if you like you can include also number_of_occurences and page_id fields)

在上表中，您可以存储一个单词，如 programming 或短语，如 php programming。

另一方面，如果您的网站是静态，这意味着内容未保存在数据库中，因此必须手动进行更改，而不是通过常规用户输入进行更改，那就是另一回事了。