Службу идексирования имеет смысл отключать, если поиск документов редок и когда скорость поиска не имеет большого значения.

Поисковый индекс

Поисковый индекс - это некоторая структура данных, позволяющая уменьшить время, необходимое для поиска в каком-то хранилище данных заданной последовательности символов.

Для поиска некоторого элемента в хранилище данных по заданному запросу вам потребуется время, пропорциональное количеству элементов в данном хранилище (линейное время поиска).

Индекс, представляя собой структурированный, а не хаотический набор данных, позволяет осуществлять доступ к ним уже быстрее (сублинейное время поиска).

Структуры данных в современных поисковых системах, позволяют добиться скорости поиска, пропорциональной логарифму количества элементов в наборе данных, по которому ведётся поиск. Есть и более быстрые структуры, позволяющие добиваться скорости поиска, практически не зависящей от количества данных.

Полнотекстовый поисковый индекс включает в себя перечень всех слов, встречающихся в проиндексированных документах, и указание мест, в которых данные слова встречаются.

Индексный поиск документов

Альтернатива прямого поиска — поиск с использованием предварительно составленного индекса (интернет-поиск).

 Особенности локального индексного поиска:

• Работа с документами самых разных форматов, архивов, мультимедийных библиотек и т.п.

• Полнота индекса (учет всех соответствующих запросу документов, хранящихся на локальных дисках компьютера и внешних носителях: DVD, флэш-память и т.д.).

• Интеграция в локальные приложения.

 Достоинства локального индексного поиска (в сравнении с интернет-поиском):

• Поиск с учетом синонимов (в Web это требует требует больших дополнительных вычислительных ресурсов)

• Более сложный анализ текста и поиск по фразам.

• Отсутствие необходимости защиты от Web-спама.

Индексный поиск документов реализован:

• службой индексирования операционной системы;

• специализированных системах локального поиска.

Каталоги индекса могут занимать гигабайты памяти компьютера!

 Служба индексирования Windows XP извлекает сведения из набора документов и собирает их в структуру, обеспечивающую быстрый доступ к этим сведениям с помощью команды поиска.

 Эти сведения могут включать текст (содержимое) документа, характеристики и параметры (свойства) документа.

 После создания индекса можно искать в нем документы, содержащие ключевые слова, фразы или свойства.

 Все данные индекса автоматически сохраняются службой индексирования в каталогах System и Web.

 Служба индексирования выполняет индексирование документов следующих типов:

• HTML;

• текст;

• Microsoft Office 95 и более поздние версии;

• почты Интернета и новостей;

Служба индексирования работает непрерывно и не нуждается в обслуживании.

Язык запросов для Windows XP

Используя запросы, можно искать документы по содержащимся в них словам и фразам или их свойствам:

Для всех документов доступны следующие свойства.

Имя свойства	Описание
All	Все свойства, включая Contents. Используется только в текстовых запросах (не в запросах числовых значений).
Contents	Слова и фразы, содержащиеся в документе
Filename	Имя документа
Size	Размер документа в байтах
Write	Дата и время последнего изменения документа

 

Простейшим типом запроса является одно слово.

 Существуют пять типов запросов:

• текстовые запросы в свободной форме;

• запросы фраз;

• запросы соответствий шаблону;

• относительные запросы;

• векторные запросы

Для реализации всех типов запросов существует специальный язык запросов.

Например, имена свойств могут задаваться как в длинной, так и в короткой формах.

 

Длинная форма	Пример	Короткая форма	Пример
{prop name=имя}	{prop name="Число страниц"}	@имя	@"Число страниц"
	{prop name=заголовок}	#имя	#заголовок

 

В имени свойства регистр не учитывается. Если в имени больше одного слова, в запросах оно должно заключаться в кавычки как в длинной, так и в короткой форме.

Тег {/prop} закрывает ссылку на имя свойства. Если в запросе использовано несколько имен свойств, первый тег {/prop} закрывает имя ближайшего предшествующего свойства, а текущим становится имя предыдущего свойства в запросе.

 

Имеются два специальных имени свойств: Contents и All.

Свойство Contents включает все содержимое документа. Если в запросе задано свойство Contents, службой индексирования будет выполнен поиск только по содержимому документа. Если в запросе задано свойство All, службой индексирования будет выполнен поиск по содержимому и значениям свойств документа.

Если в запросе не указано свойство, службой индексирования по умолчанию будет использовано свойство Contents.

Системы локального поиска

Системы локального поиска (для домашнего использования):

• Персональный поиск Яндекса

• Архивариус 3000

• Copernic Desktop Search;

• Google Desktop Search с GDE Enterprise

• DVYGUN Smart Search

 

Системы корпоративного локального поиска:

• dtSearch Desktop

• iSYS Desktop

• DVYGUN Smart Search Enterprise Edition

• SearchInform Desktop Professional

Архивариус 3000

Программа Архивариус 3000 – это поиск документов и почтовых сообщений в компьютере, в локальной сети и в съёмных дисках.

 

 

 

Основные возможности Архивариус 3000:

• Мгновенный полнотекстовой поиск документов и почты.

• Смысловой поиск с морфологией на 18 языках (в том числе белорусском).

• Поддерживаются локальная сеть и съёмные диски (CD, DVD и прочие).

• Поддержка более 400 форматов от MS Office и PDF до LEX, и W&D (Слово и дело).

• Поиск во всех распространенных типах архивов (начиная от ZIP и RAR, и заканчивая ARJ и ZOO. Архивариус 3000 умеет распаковывать архивы без использования внешних архиваторов).

• Поиск почтовых сообщений Outlook, Outlook Express, MS Exchange, The Bat! и других.

• Поиск в базах данных Lotus Notes и Lotus Domino.

• Серверный режим и доступ из дома к рабочим документам через Интернет.

Полностью поддерживается Unicode и более 100 кодировок (все европейские, все кириллические, все греческие, китайские, японские, корейские. Поддерживаются даже очень редкие кодировки: казахские, армянские, грузинские, тайские, тибетские и другие). 

SearchInform Desktop Professional

SearchInform Desktop Professional - профессиональная программа полнотекстового поиска документов на персональном компьютере.

 

SearchInform поддерживает индексацию электронных писем, подключение и индексацию баз данных и других внешних источников.

Для работы с сетью предлагаются клиент-серверная архитектура и политика настройки доступа к проиндексированным документам.

 

Основные возможности:

• морфологический и цитатный поиск,

• логические операции,

• поиск с синтаксическим разбором слова (по началу слова, его окончанию, по средней части либо полное совпадение)

• смешанный цитатный поиск (все слова из запроса должны присутствовать в документе, но не обязательно во введенном порядке)

• поиск с коррекцией ошибок, использование синонимов и т.д.

• применение словаря незначимых слов (в программе уже есть их готовый список) и использовать для поиска словарь приоритетных слов.

• поиск документов, похожих по своему содержимому на текст запроса.

Тестирование:

 SearchInform проиндексировала тестовую базу (документы в форматах DOC, TXT и HTML размером около 20 Гбайт) за 3 часа 17 минут, создав индексный файл размером 4,4 Гбайт.