1.基本資訊

         語言：C語言

         平臺：Linux / Mac OS X

         資料庫：SQLite

         程式碼行數：2427行   （不含utHash函式庫，不含空行，含註釋）

         外部依賴函式庫：sqllite3；expat

         程式碼規範程度：註釋比較詳盡，變數、函式名命名規範。

2.文字資料集

Wikipedia Database Dump（中文版），XML格式

3.模組

3.1構建索引模組

         (1)獲取文件：通過解析XML檔案的方式，讀取文件

         (2)分詞：

         對於中文（非英文）字元，使用“bi-gram演算法”進行分詞（通用型分詞演算法，與具體語言無關，支援中文和英文）；

         對於英文字元，把連續出現的多個英文字母視為一個詞元。（對英文單詞的正確分詞，在6-6節實現）

         (3)索引構建方法：採用一種經過改造的索引構建方法（對“基於合併的索引構建方法”進行改造）

         (4)索引壓縮：可配置，支援配置為“無壓縮”或“Golomb編碼壓縮”

         (5)索引持久化儲存：倒排索引以二進位制資料的形式，儲存於資料庫中一個BLOB型別的欄位中。

3.2檢索模組

         (1)分詞

         (2)索引載入與解壓

         (3)布林檢索：支援“AND檢索”，不支援“OR、NOT檢索”

         (4)短語搜尋（Phrase Search，又稱為“片語搜尋”）：可配置是否啟用

         (5)文件評分：使用TF-IDF演算法

4.使用者介面

使用命令列介面：

介面截圖：構建索引

介面截圖：搜尋結果列表

（檢索關鍵詞為：“計算機”，按照文件得分降序排列）

隨書原始碼下載