JSP中的全文检索
全文检索一直都是web方面的关键技术，如何在浩如烟海的信息中找到自己想要的信息是人们最关心的。鼎鼎大名的GOOGLE就是一个很成功的例子，网络上的人们大部分都用GOOGLE来查找自己需要的内容。全文检索主要有两个技术指标：快速和精确。前一段时间做了一个新闻系统，老板要加上全文检索的功能，想了很久才用一个不太高明的方法实现了。现在分享一下，希望是抛砖引玉吧，如果大家有更好的办法请跟在后边：）
先介绍一下我的新闻系统：数据库里存新闻的基本信息，如标题，发布人，发布时间，主体新闻的文件名。新闻主体是html格式的静态页（第一是要提高速度，减少数据库的压力。第二是数据库处理大字符串的时候会有问题。）。全文检索的思路是：先从数据库里把所有的新闻检索出来，把主体新闻找到，然后通过io操作把主体新闻读到一个字符串中。再去掉多余的东西，象html标记什么的，再用正则表达式对这个字符串查找，如果找到符合条件的信息，就记录这条新闻。最后返回所有的符合条件的新闻显示给用户。
下面这段代码是输入查询条件的代码，查询关键字用”+”隔开search.jsp
<html>
<head>
<link rel="stylesheet" href="css/style3.css">
<title>新闻搜索</title>
<script language="javascript">
function subform()
{
if (document.zl_form.keyword.value=="")
{
alert("请输入关键字！");
document.zl_form.keyword.focus();
return false;
}
return true;
}
</script>
</head>
<body bgcolor="#F0F6E2">
<form name="zl_form" target="_new" method="post" action="aftsearch.jsp" onsubmit="return subform()">
<table width="600" bgcolor="#F0F6E2">
<tr>
<td colspan="4" height="10"> </td>
</tr>
<tr>
<td width="14%">输入查询关键字:</td>
<td align="left" width="65%">
<input size="50" type="text" name="keyword" style="font-size: 9pt">
<input type="submit" name="submit" value="搜索" style="font-size: 9pt">
</td>
</tr>
<tr>
<td colspan="2" height="9" align="left">
<br>
<font color="red" size="+1">说明：如果有多个查询条件，中间用</font><font size="+2">+</font><font color="red" size="+1">隔开。如:1+2+3+4...</font></td>
</tr>
</table>
</form>
</body>
</html>
下面的代码是全文检索主体javabean的代码：newsSearch.java
package NEWS;
import java.sql.*;
import java.lang.*;
import java.text.*;
import java.util.*;
import java.io.*;
import java.util.regex.*;
import DBstep.iDBManager2000;//数据库操作的bean
public class newsSearch {
private String filePath=null;//主体新闻存放的目录
private String keyWord=null;//查询关键字
private Vector news = new Vector();//存放符合条件的结果
public newsSearch() { }
public void setFilePath(String s) {
this.filePath=s;
}
public void setKeyWord(String s) {
this.keyWord=s;
}
public Vector getResult() {
return news;
}
public void search() {
//打开数据库
ResultSet result=null;
String mSql=null;
PreparedStatement prestmt=null;
DBstep.iDBManager2000 DbaObj=new DBstep.iDBManager2000();
DbaObj.OpenConnection();
try {
//检索所有的新闻
mSql="select * from t_news_detail order by release_time desc";
result=DbaObj.ExecuteQuery(mSql);
while(result.next())
{
String id=result.getString("id");
String title=result.getString("title");
String release_time=result.getString("release_time");
String news_type=result.getString("type");
String content=result.getString("content");
String man_add=result.getString("man_add");
//按行读文件
String trace=filePath+content+".html";
FileReader myFileReader=new FileReader(trace);
BufferedReader myBufferedReader=new BufferedReader(myFileReader);
String myString=null;
String resultString=new String();
while((myString=myBufferedReader.readLine())!=null)
{
resultString=resultString+myString;
}
//去掉多余字符
HtmlEncode.HtmlEncode Html=new HtmlEncode.HtmlEncode();//这个bean去掉多余的字符，新闻是自己生成的文件，可以尽量多的删除多余字符
resultString=Html.TextEncode(resultString);
myFileReader.close();
//取出查询关键字
Pattern p=null;
Matcher m=null;
p = Pattern.compile("\\+");
String[] a=p.split(keyWord);//把关键字用+分开
//全文检索
String searchResult="1";//检索结果
int i;
for(i=0;i<a.length;i++)//逐个按关键字查找，如果所有的关键字都符合，则记录结果
{
p = Pattern.compile(a[i].toString());
m = p.matcher(resultString);
if (!(m.find())) {
searchResult="0";
}
}
//记录符合条件的新闻
if(searchResult.equals("1"))
{
News resultNews=new News();//存放结果的类，和数据库的结构基本一致
resultNews.content=content;
resultNews.release_time=release_time;
resultNews.type=news_type;
resultNews.man_add=man_add;
resultNews.title=title;
news.addElement(resultNews);//最后的结果集，要返回客户端
}
}
//关闭数据库
DbaObj.CloseConnection() ;
}catch(Exception e){
System.out.println(e.toString());
}
}
public class News { //存放结果的类
String content;
String release_time;
String type;
String man_add;
String title;
public String getContent() { return this.content; }
public String getTitle() { return this.title; }
public String getTime() { return this.release_time; }
public String getType() { return this.type; }
public String getMan_add() { return this.man_add; }
}
}
下面的代码是调用的：aftsearch.jsp
<%@ page contentType="text/html; charset=gb2312" %>
<%@ page import="java.util.*" %>
<%
request.setCharacterEncoding("GB2312");
String keyword=request.getParameter("keyword"); //接收关键字
String trace=getServletContext().getRealPath("/")+"xwxx\\news\\";//主体新闻存放路径
NEWS.newsSearch newsSearch=new NEWS.newsSearch();//初始化检索的bean
newsSearch.setFilePath(trace);//设置主体新闻路径
newsSearch.setKeyWord(keyword);//设置关键字
newsSearch.search();//检索
Vector news=newsSearch.getResult();//取到结果
%>
<html>
<head>
<title>新闻搜索</title>
<META HTTP-EQUIV="Cache-Control" CONTENT="no-cache">
<link rel="stylesheet" href="../css/style3.css">
<script LANGUAGE="javascript">
function open_window(id)
{
locat="./news/"+id+".html";
window.open(locat,"new","width=550,height=500 ,scrollbars=yes")
}
</script>
</head>
<object id=hh2 classid="clsid:ADB880A6-D8FF-11CF-9377-00AA003B7A11">
<param name="Command" value="Maximize"></object>
<body bgcolor=#F5FAF3 leftmargin="0" topmargin="0" marginwidth="0" marginheight="0">
<script>
hh2.Click();
</script>
<table width="621" border="0">
<tr>
<td colspan=5>
</font>
</td>
</tr>
<tr valign="middle">
<td width="45%" height="22">
<div align="center" class = "t_header">标 题</div>
</td>
<td width="15%" height="22">
<div align="center" class = "t_header">类 别</div>
</td>
<td width="15%" height="22">
<div align="center" class = "t_header">发 布 人</div>
</td>
<td width="25%" height="22">
<div align="center" class = "t_header">发 布 时 间</div>
</td>
</tr>
<tr bgcolor="#B7D79F" valign="middle">
<td colspan="4" height="2"></td>
</tr>
</table>
<table width="624" border="0" bordercolor="#99CCFF">
<%
String color=null;
int j=0;
if(!(news.size()==0)) {
for (int i = 0; i < news.size(); i++) {
j++;
NEWS.newsSearch.News myNews=(NEWS.newsSearch.News)news.get(i);
if(i%2==0)
{ color="#F5FAF3"; }
else { color="#DBF7ED"; }
%>
<tr bgcolor = "<%=color%>">
<td width="45%" height="20">
<img src="./images/dot.gif" align = "absmiddle">
<a href="#" onClick="open_window(<%=myNews.getContent()%>)"> <%=myNews.getTitle()%></a>
</td>
<td width="15%" height="20" align="center">
<%=myNews.getType()%>
</td>
<td width="15%" height="20" align="center">
<%=myNews.getMan_add()%>
</td>
<td width="25%" height="20" align="center">
<%=myNews.getTime()%>
</td>
</tr>
<% } } else{ out.println("对不起，没有搜索到您要查找的新闻");} //和最前边的else对应,判断是否有记录 %>
<tr bgcolor="#B7D79F">
<td colspan="4" height="2"></td>
</tr>
<tr>
<td colspan=4>
<p align=right>
</td>
</tr>
</table>
<P align=center> 共搜索到新闻 <%=j%> 条
</body>
</html>
这个方法比较原始，但是时间有限，也没办法了，先凑合用。我在自己机器测试：100条记录的时候检索时间是9秒，200条是10秒，300条是12秒。也是可以接受的：）。
这个是基于数据库的，大家可以很容易的扩展到基于文件夹的，只要把文件夹下的所有文件都遍历件出来，就可以和上边的方法一样做全文检索了，文件必须是文本格式的才可以。不过那样的话速度方面就没有保证了。
全文检索是一个大课题，有很多因素要考虑，还有很多技术。这个只是为我的新闻系统做的，也许方法很原始，这也是我能想到的最好的办法了。大家如果有好的全文检索的办法请跟在下面，谢谢。
