效果图  
  
  
  
  
  
  
  ，欢迎测试http://feed.readself.com/

samhjn同学在上一篇文章评论中表示Feed Database的搜索功能不好使               。原因是之前我没有太注重搜索上的优化 
  
  
  
  
  
  
  
，所以这个功能的体验很差 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 。例如输入 “xiaoxia  
  
  
  
  
  
  
  ” 结果搜出一大堆 “xiaoxiao 
  
  
  
  
  
  
  
” 的网站


 


 


 


 


 


 


 

，排名还比我的博客靠前 
 
 
 
 
 
 
 ，挺失望的！不过  
   
   
   
   
   
   
   
，今天的工作就是把这个功能给完善了！现在已经不是之前那个单纯在MySQL里使用like %keyword%查找那么简陋了














。而且搜索速度也大大提升

 

 

 

 

 

 

 
，不再像之前那样慢
  
  
  
  
  
  
  
 。

只要你输入关键字“xiaoxia


 


 


 


 


 


 


 

”进行搜索
 

 

 

 

 

 

 

 ，绝对不会出现“xiaoxiao 
 
 
 
 
 
 
 ”的结果了               ，因为这是两个不同的名字 
  
  
  
  
  
  
  。

同时
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 
，你输入的关键词还会被拆分














，例如“吸血鬼小说  
   
   
   
   
   
   
   
”会被拆分成“吸血鬼

 

 

 

 

 

 

 
”和“小说
 

 

 

 

 

 

 

 ” 


 


 


 


 


 


 


 

。排序方式为先按匹配词数                       ，再按BR值（被友情链接数量）排序
 
 
 
 
 
 
 
。

提到搜索引擎技术就离不开分词和索引
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，在分词上





















，我使用的是mmseg的中文分算法和搜狗的词库                ，分词速度快的惊人  
   
   
   
   
   
   
   。以至于我处理数据的瓶颈在MySQL数据库上 

 

 

 

 

 

 

 
。我使用了MySQL的fulltext索引功能
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
，在检索效率上可能没有sphinx那么快














，但是对于10万个条目以内的数据库  
  
  
  
  
  
  
  ，速度已经足够了

 

 

 

 

 

 

 

。为了达到精确查找的目的 
  
  
  
  
  
  
  
，我只对网站链接和标题两个属性进行了索引


 


 


 


 


 


 


 

，fulltext的索引数据占用的空间也不多 
 
 
 
 
 
 
 ，才不到10M  
   
   
   
   
   
   
   
，挺环保的               。

对网站标题进行分词之后

 

 

 

 

 

 

 
，连同需要建立索引的链接
 

 

 

 

 

 

 

 ，一起搬到了一个叫feed_index的索引表中 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 。

下面是未分词的一段数据：

分词之后的数据：

目前这个分词效果还是挺满意的















。另外               ，在最近看的一本搜索引擎相关的书籍中
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 
，提到了一种不依赖于词库的分词方法














，能够应付一些新生的词汇                       ，有空研究一下                      。如果两种方法都结合起来
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，应该能够达到更好的效果

夜已深





















，明天继续研究！