索引大量 XML 文件

Question

我有一个难题摆在我面前，我认为最好先向社区寻求一些指导，然后再制定自己的攻击计划。

我有几千个 XML 文件，需要由 SQL Server 2008 数据库搜索。 XML 文件当前驻留在磁盘上，不属于任何存储库。我所说的“可搜索”的意思是我需要能够做类似的事情（这里是伪代码）

SELECT *
FROM tbl_xmldata
WHERE CONTAINS('xmldata', 'some search word')

tbl_xmldata 将是存储 XML 文件的表，而 xmldata 将是包含实际 XML 数据的列。

最后一个要求（这实际上是一个艰难的要求）是，当找到一个命中时（“命中”是指发现一个 XML 文件包含正在搜索的术语）我需要访问发现搜索词的位置周围的措辞。例如，如果我有一个 XML 文件，其中包含以下内容：

我们认为这些真理是不言而喻的，人人生而平等

我搜索了“不言而喻”这个词，然后我需要能够在找到搜索词之前和之后返回大约 20 个字符。我只提出最后一点是因为 - 无论如何 - 根据我的经验 - SQL Server 的全文索引是有限的，因为它只能告诉您一个术语/单词/短语是否位于特定文档中（假设文档存储在SQL Server 2008 文件流），它无法告诉您术语/单词/短语所在的上下文。

任何帮助将不胜感激！谢谢！

Answer 1

看看Solr 项目。一个不太成熟但很有希望的替代方案是Elastic Search