我网站的搜索引擎的数据库表结构

Question

我正在尝试为我的网站制作搜索引擎。我应该如何设计保存索引词列表的表格。

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tbl_indexedwords 表中并且相应的详细信息在tbl_wordoccurrence 中，我的搜索引擎脚本也会对wo_numberofoccurrences 或foo 或@ 看到的最大结果进行排名987654339@。它不会看到foo 和bar 是否彼此相邻，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 并将页面中的每个单词存储为唯一的wo_occurrenceid。现在，这将解决我的问题，因为我知道单词的出现顺序。如果某个词的wo_occurrenceid 是某个词的wo_occurrenceid+1 或wo_occurrenceid-1，那么这两个词并排出现。

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其变慢（但不确定）。还有其他设计可以帮助我吗？还是我必须选择第二个？我确定第一个行不通，所以丢弃它。

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，请参见示例 here 和 here。如果您使用的是 MSSQL，它还具有自己的 FULLTEXT 索引功能，例如示例 here 和 here

如果你坚持如果有一个单独的表进行搜索，那么你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，您可以存储一个词，如 programming 或短语，如 php programming。

另一方面，如果您的网站是 static，这意味着内容没有保存在数据库中，因此必须手动进行更改，而不是通过常规用户输入，那么这就是另一回事了。