full_search

Pesquisa completa de texto

Este é um plug -in fletter de pesquisa de texto completo que se baseia em Tantivy.

Tantivy é uma biblioteca de mecanismo de pesquisa de texto completo inspirado no Apache Lucene e escrito em Rust.

Esquema

O esquema descreve o tipo (string, texto, U64) de um campo, bem como como ele deve ser tratado.

Tipo de campo de esquema suportado:

Tipo de campo	Descrição
corda	Configuração do tipo de campo da string
texto	Configuração do tipo de campo de texto
U64	Configuração de campo de campo inteiros não assinado de 64 bits
i64	Configuração do tipo de campo de 64 bits assinado 64 bits 64
F64	Configuração do tipo de campo de 64 bits 64
data	Configuração do tipo de campo de 64 bits de 64 bits
faceta	Facet Hierachical
bytes	Bytes (um por documento)

Termos de consulta

Operadores como e , ou , devem estar em maiúsculas

• Termos simples : "Por exemplo: Barack Obama é simplesmente tokenizado usando o SimpleTokenizer de Tantivy, tornando -se [" Barack "," Obama "]. Os termos são pesquisados ​​nos termos padrão do analisador de consulta.

  Por exemplo, se o corpo e o título são campos padrão, nossos termos de exemplo são ["Título: Barack", "Body: Barack", "Título: Obama", "Body: Obama"]. Por padrão, todos os campos tokenizados e indexados são campos padrão.

• Vários termos são tratados como um: qualquer documento que contenha pelo menos um dos termos passará pela pontuação.

  Esse comportamento é mais lento, mas não é uma má idéia se o usuário estiver classificando por relevância: o usuário normalmente apenas digitaliza os primeiros documentos em ordem de diminuição da relevância e parar quando os documentos não forem mais relevantes.

• operadores booleanos : e, ou. E tem precedência sobre ou, para que A e B ou C seja interpretado como (a e b) ou c.

• Além dos operadores booleanos , o -, + pode ajudar a definir. Esses operadores são suficientes para expressar todas as consultas usando operadores booleanos. Por exemplo, xe y ou z pode ser escrito (( +x +y) z). Além disso, esses operadores podem ajudar a definir consultas "necessárias opcionais". (+xy) corresponde ao mesmo documento definido como simplesmente x, mas Y ajudará a refinar a pontuação.

• Termos negativos : ao pré -prever um termo por a -, um termo pode ser excluído da pesquisa. Isso é útil para desambiguar uma consulta. por exemplo, maçã -frut

• Termos deve : Ao pré -pré -estar por A +, um termo pode ser feito necessário para a pesquisa.

• Termos da frase : os termos cotados tornam -se pesquisas de frase nos campos que têm posições indexadas. Por exemplo, título: "Barack Obama" encontrará apenas documentos que "Barack" imediatamente seguidos por "Obama".

• Termos de intervalo : as pesquisas de intervalo podem ser feitas especificando o limite inicial e final. Estes podem ser inclusivos ou exclusivos. Por exemplo, título: [a a c} encontrará todos os documentos cujo título contém uma palavra lexicograficamente entre A e C (limite inferior inclusivo, limite superior exclusivo). Os limites inclusivos são [], exclusivos são {}.

• Valores da data : o analisador de consulta suporta datas formatadas RFC3339. Por exemplo, "2002-10-02T15: 00: 00.05z"

• Todos os documentos consulta : um simples * corresponderá a todos os documentos no índice.

Precisa saber

• Até agora, um pesquisador para um tipo de tipo de dados, não é o caminho certo. Precisa ser alterado.
• Underground, este plug -in construiu na 'Biblioteca Nativa estática ou compartilhada de ferrugem', ele usa o DART FFI para chamar o código de ferrugem
• O documento não pode ser excluído por campo de texto , use string

Exemplo

 /// create a instance of SearchEngine and set it up
final engine = SearchEngine ();
SearchEngine . setup ();

/// get the path which used to store index files
final _path = await getApplicationDocumentsDirectory ().path;

/// define the schema of the data which wanted to be indexed
final _schema = r'{"id": "i64",  "timestamp": "date", "content": "text"}' ;

/// open a exists one or create a new one on the device
engine. openOrCreate (_path, _schema);

/// encode the data object to a json string
final _doc = jsonEncode (dataObject);
/// start to index and store the data
await engine. index (_doc);

/// give the query keywords and the field which to search on 
final res = await engine. search ( '关键字 关键词' , [ 'content' ], 1 , 10 );

/// remove a specify document by giving a field of u64 and it's value
/// document can't be deleted by text field, please use string field
await engine. deleteByU64 ( 'id' , 141906710246850560 );