[发明专利]一种基于区块法的全文搜索方法

说明书

本发明公开了一种基于区块法的全文搜索方法，包括以下步骤：(1)区块索引的建立；(2)区块数据的更新；(3)关键字的搜索。本发明与现有技术相比的优点在于：能够更快速的对多文档进行全文搜索，当包含关键字的文档数量越小时，由于搜索时关键字比较的次数越少，因而区块法搜索效率越高。而常规搜索无论包含关键字的文档数量多少，每个文档都要进行比较，所以搜索时间都是一样。当每个文档中都包含了搜索关键字时，两者搜索次数相同，区块法打开读取文件次数更少，两者搜索效率差距最小，工作流程简单实用，使用更快捷。

技术领域

本发明涉及电脑办公领域，具体是指一种基于区块法的全文搜索方法。

背景技术

在很多的文档中找出包含某个关键字的文档，这时需要对多个文档进行内容全文搜索，传统方式采用的打开每个文件进行搜索，返回包含搜索关键字的文档，如搜索一万个常规文档，大概需要3分钟，如果搜索10万个文档则就需要30分钟，因而需要一些方法来解决搜索速度问题。

现有采用分类法等，先对文档进行分类，然后判断关键字在哪个类别中，然后在对应的类别中搜索，从而减小搜索范围，可以缩短搜索时间，但仅适合类目明确且能判断出关键字所在类别情况下可用，还有采用数据库等方式，把搜索文档的索引到数据库，但数据库需要安装配置，且价格比较贵，适合于大型企业应用。还有一种方式是采用常规的索引方法，由于关键字搜索只搜索文本内容，因而把文档中的文本提取出来保存到文本文件中建立索引，会使文件最小化及打开文件读取内容的时间大幅缩短；因而该方法可适当缩短搜索时间，搜索一万个常规文档，大概需要1分钟时间，十万个文档还是需要10分钟时间，在传统的建立搜索索引的基础上，把索引数据按区块法进行组织，搜索十万个文档，最快可以在10秒内完成。

因此，设计出一种基于区块法的全文搜索方法可以极大的提高搜索效率。

发明内容

本发明要解决的技术问题是目前文档搜索方式过于陈旧，工作效率低下且消耗的资源过多，快速的检索方法其成本又太高，对于企业和个人来说都不合适。

为解决上述技术问题，本发明提供的技术方案为：一种基于区块法的全文搜索方法，其特征在于：包括以下步骤：

(1)区块索引的建立，首次搜索时，需在生成区块数据及区块信息表时，提取每一个文件的文本内容，写入区块数据文件中，提取文件名、文件md5值与区块数据中文件对应起始位置、结束位置写入区块信息表中，由总文件索引数据大小来计算每个区块大小；

(2)区块数据的更新，提取区块索引中文件名对应的md5值，与索引中的md5值进行比较，如果两者不相等，则表示该区块数据有变动，需更新整个区块，当区块索引表中每个文件对应的md5值都相等时，则表示该区块对应的文件都没有变动，则不需要进行更新；

(3)关键字的搜索，打开读取每个区块数据文件及区块信息表，在区块数据中搜索关键字，当搜索到关键字时，把对应的位置信息到区块信息表中进行定位，取出对应文件名放到搜索结果列表中，然后从区块当前位置继续往后搜索关键字，直到搜索完该区块，按同样方法再搜索下一区块，直到所有区块搜索完成。

本发明与现有技术相比的优点在于：能够更快速的对多文档进行全文搜索，当包含关键字的文档数量越小时，由于搜索时关键字比较的次数越少，因而区块法搜索效率越高。而常规搜索无论包含关键字的文档数量多少，每个文档都要进行比较，所以搜索时间都是一样。当每个文档中都包含了搜索关键字时，两者搜索次数相同，区块法打开读取文件次数更少，两者搜索效率差距最小，工作流程简单实用，使用更快捷。

作为改进，所述的步骤(1)中的每个文件对应区块信息表需要包含：文件名、文件md5、区块起始位置和区块结束位置四种信息数据。

作为改进，所述的步骤(2)中首次建立搜索索引区块及新增区块数据时，需采用设定好的数据来划分区块具有比较好的搜索性能，更新区块，需要判断区块信息表中对应的文档文件md5值是否有变化，如果有变化了，则需要对该区块进行更新。