ITPub博客

本文属于文档检索过程分析的一部分，重点分析文档匹配百分比（percent）的计算过程。1percent是什么？我们之前分析的检索demo：Xapian::Queryterm_one=Xapian::Query("T世界");Xapian::Queryterm_two=Xapian::Query("T

Xapian的database是所有用于检索的信息表的集合，以下的表是必需的：postinglisttable保存了被每一个term索引的document，实际上保存的应该是document在database中的Id，此Id是唯一的。这个就是倒排表。recordtable保存了每一个document

在Xapian1.0之前，是使用quartz作为database文件格式的，不过自从1.0之后，便改用Flint作为database的文件格式了。有时候，我们会将database称为“索引”，在Xapian中，索引通常比被索引的documents还要多，这表示Xapian做一个信息检索系统比做一个信

xapian索引速度解决方案：第一种方案：vi/etc/profile添加一行exportXAPIAN_FLUSH_THRESHOLD=280000(默认是10000)source/etc/profile使修改对当前命令行生效echo$XAPIAN_FLUSH_THRESHOLD一下查看是否生效第二

Xapian支持同义词的查询拓展。按照同义词进行拓展算是查询拓展最基本的一种方式。比如“汽车展览”和“车展”是同义词，我们搜索汽车展览的时候，也会把“车展”的结果返回。很多人认为这个就是拼写校正，但实际它比拼写校正稍微高级点，特别是放在Xapian的语境下，毕竟拼写校正是基于编辑距离而不是语义的。1

Xapian提供了拼写校正功能，其基本算法就是编辑距离，只不过它支持UTF-8，也就是说是支持中文的。1、建立拼写校正辞典虽然编辑距离的算法很土很原始，但是Xapian提供了方便的接口建立辞典，至少有如下两种方式：(1)Xapian::WritableDatabase.db.add_spelling

官方网站：http://xapian.org/xapian作为全文搜索引擎，分为三大模块：indexer(索引)databases(数据库管理)searcher(搜索)包含在以下类:xapian::WriteDatabasexapian::documentxapian::databasexapian

1.xapian基本概念开篇先聊点相关的基本概念，再说xapian。1.1IR信息检索（InformationRetrieval）在信息检索(IR)中，我们企图要获取的项称之为“document”，每一个document是被一个terms集合所描述的。“document”和“term”这两个词汇是I

Xapian学习笔记3相关字段的排序在Xapina中，命中文档的排序是以文档的相关度降序来做的，当两个文档的相关度一样时，按文档id的升序来做，你也可以通过设置enquire.set_docid_order(enquire.DESCENDING)来把其变成降序，或者设置成不关心文档id的排序enqu

1.Xapian之数据写下面我给出xapian最简单的数据写的例子，以这个例子，我们走完数据写的流程。voidWriteDB::init(XapianType::Document&tmp){undefinedXapian::DocumentdocTmp;docTmp.add_value(0,

我写这篇文章主要侧重于XAPIAN源代码代码的研究。我会一点点跟大家分享我分析的XAPIAN的几个主要类。本篇文章跟大家讨论的是Xapian::compactor类，这个类主要用于数据库的压缩数据，具体用法看官方API(https://xapian.org/docs/apidoc/html/anno

本文主要记录Xapian的内存索引在添加文档过程中，做了哪些事情。内容主要为函数执行过程中的流水线。demo代码：Xapian::WritableDatabasedb=Xapian::InMemory::open();Xapian::Documentdoc;//添加文档的，T表示字段名字，TERM内

xapian除了提供用于生产环境的磁盘索引，也提供了内存索引（InMemoryDatabase）。内存索引。我们可以通过观察内存索引的设计，来了解xapian的设计思路。1用途官方文档说法：“inmemory,Thistypeisadatabaseheldentirelyinmemory.Itwas

今天主要介绍的是Xapian::Database这个类。先上图看上去就很恐怖的吧，我们一点点的说。首先一切的开始都来自那个include文件夹中的database.h，他的直接实现是在omdatabase.cc中，此外在common文件夹中还有一个database.h这个文件是DataBase的私有

本文是Xapian检索过程的分析，本文内容中源码比较多。检索过程，总的来说就是拉取倒排链，取得合法doc，然后做打分排序的过程。1理论分析1.1检索语法面对不同的检索业务，我们会有多种检索需求，譬如：要求Aterm和Bterm都在Doc中出现；要求Aterm或者Bterm任意在Doc中出现；要求At

个人翻译，如有漏缺、错误，欢迎批评指正，仅供参考。官方主页对Xapian的介绍Xapian是在GPL下发布的开源搜索引擎库。它是用C++语言编写的，除了提供原生的C++编程接口之外，允许使用Perl、Python、PHP、Java、Tcl、C#、Ruby，Lua，Erlang和Node.js绑定（到

Xapian基础Xapian和Omega是独立的组件，旨在共同提供索引和搜索功能。Xapian组件提供了数据库功能（用于存储信息）的核心，以及用于查找单词和单词组合的搜索和检索系统（请参阅参考资料）。Omega组件提供了将信息从各种格式转换和解析为Xapian所需的原始文本的工具，以便可以对其进行索

一篇拖了两三年的入门总结文章，今天发出来，一方面是自己的总结，另一方面是给自己和他人的备忘。读者需要对搜索引擎有初步了解，譬如了解倒排、term、doc、相似度打分等概念。Xapian是一个C++搜索引擎内核，提供了类似Lucene的功能，功能没有Lucene丰富，但可以满足常见的搜索需求：倒排检索

xapian的文档不算丰富,但也够用了.特别是xapian配套的omega项目,是一个使用xapian和学习xapian的宝库.先说两个重要的概念,termlist和postinglist.termlist索引了一个文档,每一个document都对应一个termlist.postinglist列出了

Xapian之数据读Xapian数据查找的最基本的步骤的伪代码，我以此为例来简单的说下xapian的数据查找。Xapian::Databasedb(STR_PATH);Xapian::Enquireenquire(db);enquire.set_query(Xapian::Query::MatchA