Поиск и замена данных | Работа в МойОфис Текст Настольная версия
Ввод текстаБуфер обменаПроверка правописанияСноскиГиперссылкиПерекрестные ссылкиЗакладкиВставить текущую дату или времяПоиск и замена данных
- Ввод текста
- Буфер обмена
- Проверка правописания
- Сноски
- Гиперссылки
- Перекрестные ссылки
- Закладки
- Вставить текущую дату или время
- Поиск и замена данных
Продукт: МойОфис Профессиональный, МойОфис Стандартный, МойОфис Образование, МойОфис Текст
Поиск по документу
Чтобы найти данные в текущем документе, выполните следующие действия: 1.Откройте панель поиска одним из следующих способов: •Выберите пункт командного меню Правка > Поиск. •На боковой панели нажмите кнопку . •Нажмите сочетание клавиш Ctrl+F. 2.При необходимости укажите параметры поиска: •Весь документ/Без учета колонтитулов – выполнить поиск во всем документе, включая колонтитулы, или выполнить поиск во всем документе, за исключением колонтитулов. •С учетом регистра – выполнить поиск с учетом заглавных и строчных букв в искомом тексте. •Только слова целиком – найти только целые слова, а не текст, который является частью другого слова. 3.В поле Найти введите данные для поиска. Результаты поиска подсветятся в документе. Используйте кнопки под строками поиска и замены, чтобы перемещаться по найденным фрагментам. |
Замена по документу
Чтобы найти и заменить данные в текущем документе, выполните следующие действия: 1.Откройте панель поиска одним из следующих способов: •Выберите пункт командного меню Правка > Поиск. •На боковой панели нажмите кнопку . •Нажмите сочетание клавиш Ctrl+F. 2.При необходимости укажите параметры поиска: •Весь документ/Без учета колонтитулов – выполнить поиск во всем документе, включая колонтитулы, или выполнить поиск во всем документе, за исключением колонтитулов. •С учетом регистра – выполнить поиск с учетом заглавных и строчных букв в искомом тексте. •Только слова целиком – найти только целые слова, а не текст, который является частью другого слова. 3. 4.В строку Заменить на введите данные для замены или оставьте поле пустым, если требуется удалить найденный фрагмент. 5.Если замену требуется выполнять с учетом заглавных и строчных букв в найденном тексте, поставьте флажок Заменять с учетом регистра. Регистр учитывается только для первого символа в найденном слове. Пример: в тексте документа необходимо заменить слово договор на слово контракт. При этом слово договор может быть написано как со строчной, так и с заглавной буквы (например, в начале предложения). Поставьте флажок Заменять с учетом регистра, чтобы слово договор со строчной буквы заменилось на слово контракт со строчной буквы, а слово Договор с заглавной буквы заменилось на слово Контракт с заглавной буквы. 6.Замените данные одним из следующих способов: •Нажмите кнопку Заменить, чтобы заменить данные в текущем выделенном фрагменте. •Нажмите кнопку Заменить все, чтобы одновременно заменить данные во всех найденных фрагментах. |
В поле Найти введите данные для поиска.
Поделиться:
Был ли материал полезным?
Пользователи, считающие этот материал полезным: 1 из 2
Предыдущее
Поиск на странице в браузере по словам: комбинация клавиш
А вы знаете, что для того, чтобы найти статью на сайте или пост на стене / в ленте соцсети, не обязательно бесконечно проматывать окно, пытаясь выхватить взглядом нужный текст? Для поиска на странице в браузере есть комбинация клавиш, а ещё можно вызвать окошко для запроса из меню. И тогда вам останется только ввести слово или словосочетание, а система подсветит совпадения в тексте.
Горячие клавиши
Комбинации клавиш — стандартные и работают одинаково со всеми веб-обозревателями. Но для компьютеров на Windows и MacOS они различаются. Поэтому у нас будет две инструкции, как открыть в браузере поиск по словам.
Точнее, это таблицы с указанием комбинаций, которыми запускается то или иное действие на странице.
Для Windows
| Функция | Сочетание клавиш |
| Вызвать окно для запроса | Ctrl+F или F3 |
| Перейти к следующему значению* | Ctrl+G |
| Перейти к предыдущему значению* | Ctrl+Shift+G |
Для MacOS
В принципе, тут все то же самое, только вместо клавиши “Ctrl”, которой нет на Mac, используется “⌘ (Command)”. Вот какие комбинации клавиш использовать и как включить поиск в браузере компьютера на MacOS и перемещаться по результатам на странице:
| Функция | Комбинация клавиш |
| Вызвать окно запроса | ⌘ + F |
| Перейти к следующему значению* | ⌘ + G |
| Перейти к предыдущему значению* | Shift + ⌘ + G |
*При вводе слова в или словосочетания в окно для быстрого поиска текста в браузере на странице, имеющиеся совпадения подсвечиваются.
Переход к следующему / предыдущему значению — это передвижение от слова к слову, вниз или вверх по тексту. Для индикации слово, к которому вы перешли, подсвечивается вторым цветом.
Обратите внимание: окошки поиска в браузерах, вызываемые горячими клавишами, отображаются в разных местах. В Яндекс и Google Chrome — правый верхний угол, Mozilla Firefox — левый нижний.
Поиск по странице через меню настроек
Тут наоборот, операционная система не важна, а вот в названиях кнопок и (иногда) расположении инструментов у разных веб-обозревателей есть отличия. Ниже в таблице — путь к инструменту поиска по слову в разных браузерах для Google Chrome, Mozilla Firefox и Яндекс.Браузере. Также там указаны кнопки для навигации между результатами (по тексту).
| Яндекс | Меню → Дополнительно → Найти |
| Google Chrome | Меню → Найти |
| Mozilla Firefox | Меню → Найти на этой странице |
| Для всех | |
| Перейти к следующему слову | кнопка ∨ |
| Перейти к предыдущему слову | кнопка ∧ |
Попробуйте найти что-нибудь на странице способами, приведенными в этой статье.
Вы убедитесь, что это удобный инструмент, с которым использование интернет-ресурсов станет ещё чуточку комфортнее.
Ещё по теме
Объяснение полнотекстового поиска
Джош Грэм
• 4 мин чтения
Поиск в Интернете произвел революцию в том, как мы пользуемся Интернетом. Google может выполнять поиск по всему Интернету и предоставлять отличные возможности пользователям, которые пытаются найти контент. Почему же тогда поиск отсутствует или не оптимален во многих приложениях, которые мы используем сегодня? У большинства приложений гораздо меньше данных для поиска, чем у Google, но они обычно плохо справляются со своей задачей. В этой статье вы познакомитесь с «Полнотекстовым поиском» — мощным способом индексации данных, который может значительно улучшить взаимодействие с пользователем в приложениях.
Механизм полнотекстового поиска — это механизм извлечения данных, оптимизированный для эффективного поиска данных, когда пользователь знает только часть искомых данных.
Примечание
Эта статья предназначена для тех, кто только начинает осваивать полнотекстовый поиск. Я не намерен в совершенстве описывать каждую деталь полнотекстового поиска, а дать достаточно простое объяснение его внутренностей, чтобы новички могли иметь концептуальную модель того, как работает поиск, а не относиться к нему как к черному ящику.
Если ваше приложение было книгой
Чтобы лучше понять полнотекстовый поиск, полезно провести аналогию. Представьте, что ваше приложение — это книга. Механизмом базы данных будет оглавление. упорядоченный список того, на какой странице находится некоторый идентифицируемый контент. Например, если вы хотите найти главу 7, оглавление — очень эффективный способ найти ее.
Вы просто смотрите в оглавление, переходите прямо к номеру 7 и находите нужный контент.
Теперь представьте, что вы хотите вспомнить отличную цитату, которую вы прочитали в книге. Вы не знаете, в какой главе она находится, вы только помните, что в ней было слово «лиса». Оглавление бесполезно для вас, потому что оно содержит только номера глав и заголовки. Итак, вы застряли, просматривая всю книгу, чтобы найти цитату. Если не указано , у вашей книги есть указатель.
Книжный указатель — это упорядоченный список слов, встречающихся в книге. Каждая запись в указателе будет содержать список номеров страниц, на которых встречается это слово. Это позволяет читателю быстро найти любую информацию в книге, относящуюся, например, к слову «лиса».
Пример
Итак, чтобы объяснить полнотекстовый поиск с точки зрения вычислений, а не публикации. Представьте, что у вас есть следующие данные в хранилище данных документа:
[
{
"идентификатор": 1,
"имя": "Джон Смит",
"description": "Архитектор, Семья"
},
{
"идентификатор": 2,
"name": "Фрэнк Джонс",
"description": "Семья, Баскетбол"
},
{
"идентификатор": 3,
"name": "Джон Фрэнк Уитакер",
"description": "Баскетбол, Архитектор"
},
]
Если вы хотите найти информацию в записи с идентификатором 2, то любой механизм базы данных может эффективно получить эту запись для вас, потому что у них будет индекс, который выглядит примерно так:
1 => [Расположение на диске: 987654] 2 => [Расположение на диске: 549877] 3 => [Расположение на диске: 654722]
Однако, если вам нужно найти все записи, содержащие слово «Джон», механизм базы данных не будет эффективен при выполнении этого запроса, поскольку ему придется сканировать каждую запись, просматривая все поле имени и все описание . ищет слово «Джон».
Поле
Индекс полнотекстового поиска, с другой стороны, будет выглядеть примерно так:
"Архитектор" 1 => [Расположение на диске: 987654] 3 => [Расположение на диске: 654722] "Баскетбол" 2 => [Расположение на диске: 549877] 3 => [Расположение на диске: 654722] "Семья" 1 => [Расположение на диске: 987654] 2 => [Расположение на диске: 549877] "Откровенный" 2 => [Расположение на диске: 549877] 3 => [Расположение на диске: 654722] "Джон" 1 => [Расположение на диске: 987654] 3 => [Расположение на диске: 654722] "Джонс" 2 => [Расположение на диске: 549877] "Смит" 1 => [Место на диске: 987654] "Уитакер" 3 => [Расположение на диске: 654722]
Здесь вы можете быстро увидеть, что записи 1 и 3 содержат текст «Джон», и вы можете эффективно загрузить эти записи с диска.
Подсчет очков
Движок только что искал «Джон» и получил две записи. Он вернет оба вызывающему абоненту, а также присвоит баллов каждой записи.
Оценка показывает, насколько запись была близка к тексту поиска по сравнению с другими записями в наборе результатов. В нашем примере запись 1 «Джон Смит» может иметь более высокий балл, чем запись 3 «Джон Фрэнк Уитакер», потому что в записи «Джон Фрэнк Уитакер» больше текста, не совпадающего с «Джон», чем в «Джон Смит».
Токены
Как видите, во время индексации (время построения индекса полнотекстового поиска) движок разбил строковые поля на границах слов. Полученные подстроки называются токенами . Токены — это то, что движок будет использовать для поиска результатов. В нашем примере строки были размечены на границах слов, но можно размечать и другими способами.
ТокенизаторыNGram можно использовать для дальнейшего разделения слов. Это часто бывает полезно при выполнении сценариев «поиск по мере ввода» или автозаполнения. Пример токенизации ngram будет таким:
"Фрэнк" => [ «ф», «фр», «фра», «фран», «откровенный», «р», «ра», «ран», «чин», «а», «ан», «анк», "н", "нк", "к" ]
Как вы могли догадаться, это увеличит размер поискового индекса, но позволит пользователю получить в результате «Фрэнк», набрав, например, только «fr».
Резюме
Поиск может значительно улучшить взаимодействие с пользователем в вашем приложении. Я надеюсь, что эта статья дала вам достаточно хорошее представление о том, как работает полнотекстовый поиск на высоком уровне. Я не намерен утомлять вас глубокой внутренней работой полнотекстового поиска. Я хочу дать вам достаточно информации о внутренней работе, чтобы такие термины, как «индекс» и «токены», имели для вас какое-то значение. Теперь идите и добавьте поиск в свое приложение!
Полнотекстовый поиск: Как это работает – ISS Art Blog | ИИ | Машинное обучение
Что такое полнотекстовый поиск?
Полнотекстовый поиск – это методика, позволяющая осуществлять поиск в документах и базах данных не только по названию, но и по содержанию. В отличие от методов поиска по метаданным, которые анализируют только описание документа, полнотекстовый поиск просматривает все слова в документе, показывая более релевантную информацию или точную информацию, которая была запрошена.
Техника приобрела популярность в 1990-х годах. В то время процесс сканирования был очень долгим и трудоемким, поэтому его оптимизировали.
Широко используются полнотекстовые поисковые системы. Например, Google позволяет пользователям находить нужный запрос на веб-страницах именно с помощью этой техники. Если у вас есть собственный веб-сайт с большим количеством данных, применение полнотекстового поиска может быть очень полезным, поскольку это упрощает взаимодействие с пользователем.
Зачем это нужно?
Полнотекстовый поиск может быть полезен, когда нужно найти:
- имя человека в списке или базе данных;
- слово или фраза в документе;
- веб-страница в Интернете;
- товары в интернет-магазине и т.д.
- регулярное выражение.
Результаты полнотекстового поиска могут быть использованы в качестве исходных данных для замены словосочетаний и в процессе поиска родственных словоформ и т.п.
Как это сделать?
Существуют различные способы реализации полнотекстового поиска.
Мы можем выбрать любой, в зависимости от случая. Для удобства разделим методы на две группы:
1. Алгоритмы поиска строк . Чтобы найти подстроку, соответствующую шаблону (нужному выражению) в тексте, мы пройдемся по документу(ам), пока не будет найдено совпадение или текст не будет закончен. На самом деле, большинство из этих методов довольно медленные.
Алгоритмы поиска строк:
- простой текстовый поиск;
- Алгоритм Рабина-Карпа;
- Алгоритм Кнута-Морриса-Пратта;
- Алгоритм Бойера-Мура (-Хорспула);
- приблизительное соответствие;
- регулярное выражение.
Простой текстовый поиск действительно прост в реализации. Этот алгоритм ищет совпадения буква за буквой. Вот почему это занимает много времени.
Алгоритм Рабина-Карпа может использовать несколько шаблонов. Он выполняет поиск, ища строку длины m (шаблон) в тексте длины n.
Но сначала для каждой подстроки в тексте должна быть создана специальная метка, отпечаток той же длины, что и образец. Только если отпечатки совпадают, алгоритм начинает сравнивать буквы.
Для создания отпечатка пальца алгоритм использует хеш-функцию для сопоставления данных произвольного размера с фиксированным размером. Таким образом, реализация хеш-функции и сравнение отпечатков пальцев позволяет сократить среднее лучшее время ее работы.
Этот алгоритм хорош для проверки на антиплагиат. Он может просматривать множество файлов, сравнивая шаблоны документов с файлами в базе данных.
Алгоритм Кнута-Морриса-Пратта
Этот алгоритм использует информацию о шаблоне и тексте для ускорения поиска, путем смещения позиции сравнения. Он основан на частичном совпадении.
Например, ищем «морж» в скороговорке «Уэйн отправился в Уэльс смотреть на моржей». Мы выбираем первую букву « w alrus» и начинаем сравнивать. Сначала алгоритм проверяет «Wayne», но, достигнув «y», понимает, что это не совпадение.
После этого он переходит к поиску совпадений. Поскольку он знает, что второй и третий символы не являются «w», он может пропустить их и начать поиск со следующего. Каждый раз, когда алгоритм находит несоответствие, шаблон перемещается вперед в соответствии с ранее упомянутым принципом, пока не будет найдено совпадение или текст не будет закончен.
« Wa yne w ent to Wal es to wa tch walrus es». Все расчеты хранятся в сменных таблицах.
Алгоритм Бойера-Мура похож на алгоритм Кнута-Морриса-Пратта, но более сложен. Он известен как первый алгоритм, который не сравнивает каждый символ в тексте. Он работает в обратном порядке, проводя поиск справа налево от шаблона. Кроме того, у него есть расширения, такие как эвристика: алгоритм, способный решать на основе информации на каждом шаге ветвления, какой ветви следовать. Они известны как правила сдвига: правило хорошего суффикса и правило плохого символа.
Они позволяют смещать позицию символа, если мы знаем, что этого символа нет в шаблоне. Для этого алгоритм выполняет предварительные вычисления в образце, а не в искомом тексте (строке).
Эта концепция называется фильтрацией. И часть текста, которая становится видимой из-за сдвига шаблона по сравнению с окном, через которое алгоритм получает необходимую информацию для проведения поиска. Эти правила определяют, сколько символов будет пропущено. Для этого при обработке шаблона алгоритм генерирует интерполяционные таблицы.
Давайте подробнее рассмотрим правила смены. Правило плохого символа позволяет пропустить один или несколько несовпадающих символов. Например, узор «Миссисипи». Как работает правило плохого характера:
Проверяет совпадение с «хвоста». Если не найдено, перейдите к соответствующему символу в шаблоне, чтобы продолжить поиск совпадений.
********** S ******************
МИССИССИПП I
********** * S *** I ***
MISSIS S IPP I
Если такого символа в шаблоне нет, то шаблон перемещается за проверяемый символ.
********** Е *******************
МИССИССИПП I
**********E************ P *******
MISSISSIPP I
Правило хорошего суффикса дополняет правило плохого символа и включается в работу, когда найдено несколько совпадений, но тогда проверка не удалась. Например,
******** сола **************
колакока кола
******** сола ** ***** o ******
кола кокакол а
Возможность перескакивать через текст и не проверять каждый символ делает этот алгоритм таким эффективным. Однако считается, что это сложно реализовать. Две эвристики дают алгоритму выбор. Он выбирает сдвиг, который дает большее смещение. Хорошо использовать, когда предварительная обработка текста невозможна.
Одним из примеров вымирания является алгоритм Бойера-Мура-Хорспула .
Это упрощенная версия алгоритма Бойера-Мура, использующая только одну эвристику: правило плохого символа. А также у него есть новая функция. Текст и узор можно сравнивать в любом порядке, даже слева направо. Все это делает алгоритм Бойера-Мура-Хорспула более быстрым, чем его предшественник.
Алгоритм приближенного соответствия или поиск нечеткой строки выполняет поиск, который находит близкое совпадение, а не точное. Для реализации поиска алгоритм находит приблизительную подстроку с меньшим расстоянием редактирования: набор примитивных операций, необходимых для преобразования одной строки в другую. Примитивные действия следующие:
вставка: конус → конус y ;
удаление: t ржавчина → ржавчина ;
замена: м o ст → м u ст ;
транспозиция: c l oud → cou l d .
Также этот алгоритм позволяет осуществлять поиск по символу NULL в шаблоне, например «?».
Например,
стр ? нг → стр и нг, стр ? нг → стр o нг, стр ? нг → стр и нгт. В результате наиболее близкими будут первые два варианта из-за меньшего расстояния редактирования.
Алгоритм регулярных выражений или регулярное выражение позволяют выполнять поиск в строках, соответствующих определенному шаблону. Он основан на использовании дерева регулярных выражений для сопоставления и имеет несколько особенностей. Один из них позволяет находить составные символы, например («www», «USA»). Другой дает возможность поиска по списку опций (например, (jpeg|jpg) будет соответствовать строке «jpeg» и строке «jpg»). И последнее позволяет упростить шаблон запроса и искать повторяющийся шаблон, например. г. «(1|0)*» будет соответствовать любому двоичному тексту, такому как «011010» или «100111».
2. Поиск по индексу . Когда область поиска велика, разумным решением будет заранее создать индекс условий поиска.
Относитесь к нему как к глоссарию с номерами страниц, на которых упоминается термин, который вы можете заметить в конце некоторых книг или статей. Итак, полнотекстовый поиск состоит из двух этапов. На первом этапе алгоритм формирует такого рода индекс, точнее, конкорданс, так как содержит термин вместе со ссылкой на их поиск в тексте (типа «Предложение 3, лит. номер 125». После этого индекса алгоритм поиска сканирует индекс вместо исходного набора документов и предоставляет результаты.0021 Как вы заметили, этот подход требует много времени для создания индекса, но зато гораздо быстрее искать информацию в документах с помощью индекса, чем простые методы строкового поиска.
Важной частью индексации является нормализация. Это обработка текста, которая приводит исходный текст в стандартный канонический вид. Это означает, что удаляются стоп-слова и артикли, удаляются диакритические знаки (например, в словах «паштет», «наив», «злотый») или заменяются знаками стандартного алфавита. Также выбирается единичный случай (только верхний или нижний).
Другой важной частью нормализации является определение стемпинга. Это процесс приведения слова к форме основы или базовой форме. Например, для слов «есть», «съел», «съел» основа формы «есть». Таким образом, поисковый запрос «веганы едят мясной паштет, снятый на ленту» трансформируется в «веганы едят мясной паштет на пленке». Кроме того, очень важно указать язык для работы алгоритма и даже правописание (например, английский, американский, австралийский, южноафриканский и т. д.).
Проблемы с реализацией полнотекстового поиска
Создание полнотекстового поискового механизма требует тщательной разработки и решения множества поисковых проблем.
Самая большая и наиболее распространенная проблема, с которой сталкиваются разработчики, — это проблема синонимов. Любой язык богат, и любой термин может быть выражен различными вариантами. Это могут быть варианты имени, например, ветряная оспа и ветряная оспа, варианты написания, например, ветряная оспа. «приснилось» и «приснилось».
Другим аспектом проблемы синонимов, который может вызвать трудности, является использование аббревиатур (TV, Dr., Prof.), акронимов (GIF, FAQ) и инициалов. Как и в предыдущем примере, некоторые документы могут не просто содержать полный или альтернативный вариант.
Наличие диалектов также усложняет поиск. Например, пользователи могут не найти результаты «цвет», запрос «цвет» или поиск «кроссовки» найти обувь вместо наставника.
Та же проблема с устаревшими терминами. Если вы «погуглите» современный термин, вы, скорее всего, пропустите ресурсы, которые расшифровывают проблему, используя только устаревшую терминологию.
Еще одна проблема — омонимы. Это слова, которые при одинаковом написании означают совершенно разные вещи. В поисках слов типа «принц» пользователь видит результаты о членах королевской семьи, певцах и других. Особенно часто эта проблема возникает с личными именами, а еще чаще со словами, которые функционируют и как имена, и как другие части речи, например, «лето», «будет», «спенсер» и т.
д.
Вторым аспектом проблемы омонимов является ложное родство. Это происходит, когда слово имеет одинаковое написание в разных языках, но разные значения.
Алгоритмы и механизмы полнотекстового поиска не могут найти результаты по фасетам. Если пользователь запрашивает «Все выпуски New York Times о бизнесе с 1990 по 1995 год», он не покажет релевантные данные, потому что он не знает таких аспектов, как тема и дата публикации, если только он не дополнен поиском по метаданным.
Также обратите внимание, нужны специальные способы включения информации из изображений, аудио- и видеофайлов в список результатов. Другой тип проблем реализации полнотекстового поиска — обеспечение высокой производительности на обоих этапах — индексации и поиска.
Предположим, мы уже построили указатель терминов, содержащихся в наборе документов для снимка текущей даты. Как правило, этот этап может потребовать много времени, но мы можем обойтись им, если это разовая задача. Однако для каждой реальной системы количество информации увеличивается со временем, поэтому нам все еще нужна непрерывная индексация.
Что касается этапа поиска, то мы не можем позволить себе вечно ждать во время поиска. Поскольку размер индекса может быть очень большим, простые способы навигации по индексу неэффективны. Таким образом, для хранения индекса и навигации по нему используются специальные структуры данных, обычно среди них есть различные типы деревьев и пользовательские структуры.
Таким образом, в соответствии с вышеупомянутыми проблемами, создание системы полнотекстового поиска с нуля является действительно сложным процессом. Поэтому более простой способ, отвечающий большинству потребностей, — использовать готовые решения в качестве полнотекстовых поисковых систем.
Инструменты полнотекстового поиска в базах данных по сравнению с системами полнотекстового поиска
Создавая реляционную базу данных, вы можете подумать о том, что лучше использовать для реализации поиска данных. Реляционные базы данных хороши для хранения, обновления и управления структурированными данными. Они поддерживают гибкий поиск нескольких типов записей для определенных значений полей.
Системы полнотекстового поиска зависят от типа индекса для выполнения поиска, большинство из них имеют возможности обработки результатов сортировки по полям, добавления, удаления и обновления записей, но все же их возможности более ограничены в этом вопросе, чем реляционные базы данных. Но когда дело доходит до релевантного отображения результатов, они не на первом месте.
Когда есть необходимость релевантного ранжирования результатов и обработки больших объемов неструктурированных данных, полнотекстовым поисковым системам нет равных.
Преимущества полнотекстовых поисковых систем:
- Полнотекстовые поисковые системы — это готовые решения, которые можно настроить в соответствии с потребностями вашего проекта. Они содержат все необходимые функции как с лингвистической, так и с технической точек зрения (такие как производительность и масштабируемость) для экономии времени.
- Системы полнотекстового поиска открыты для усовершенствования и настройки, поэтому вы можете внедрить собственный алгоритм определения корней для своих нужд и добавить в систему.
- Так же есть некоторые улучшения (плагины, модули). Системы полнотекстового поиска могут выполнять поиск даже по нетекстовым или ограниченным текстовым полям (таким как код продукта, дата публикации и т. д.), принимая представление данных, используя тот факт, что каждая запись представляет собой набор полей. Это может быть удобно, когда в документе несколько типов полей.
Наиболее зрелыми и мощными движками являются Apache Solr, Sphinx или ElasticSearch, и мы рекомендуем выбрать один из них в зависимости от потребностей.
У них много общего: они с открытым исходным кодом (хотя у них разные лицензии, а Sphinx требует покупки коммерческой лицензии для использования в коммерческом приложении). Все движки масштабируемы и предлагают коммерческую поддержку.
Здесь мы можем указать основные отличительные черты:
- Sphinx строго ориентирован на РСУБД.
- Solr является наиболее ориентированным на текст и поставляется с несколькими синтаксическими анализаторами, токенизаторами и инструментами поиска корней.
