我正在开发一个在线圣经搜索程序。圣经是一本相当大的书，纯文本占用近 5MB 的空间。我计划在该程序中实现一个 API，并允许其他网站包含他们自己的圣经搜索小部件和程序，而无需开发搜索查询或将圣经存储在他们自己的服务器上。
考虑到这一点，我预计最终我会有适度的查询流通过该程序。此外，对于那些不熟悉圣经的人，它有两种格式化文本的方法。它可以包含红色文本和斜体。我需要一种方法来存储经文以及红色字母和斜体格式，但允许搜索查询忽略格式。
它还需要尽可能快速和高效(内存和 CPU 使用率)。将考虑任何存储格式(MySQL、JSON 或 XML 文本文件等)，只要查询可以忽略格式即可。文件大小和数量并不重要，所以我可以将书籍甚至章节拆分成单独的文件。
还有一件更重要的事情要记住，我想要某种形式的搜索方法，可以搜索多个经文。因此，搜索“却因上帝不差他的儿子而得永生”将返回约翰福音 3:16,17。感谢所有想法!
最佳答案
有许多不同的开源文档搜索引擎，它们正是为您正在尝试做的事情而设计的。 Solr、Elastic Search、Xapian、Whoosh、Haystack(为 Django 制作)等。 S.O. 上还有其他帖子。和其他地方讨论使用一个与另一个的好处，但你的要求很简单，其中任何一个都很好(如果你的项目开始，很容易以最小的努力扩展，这总是很高兴知道)。所以看看他们的例子，看看哪个对你来说看起来最直观——Solr 可以说是最流行的，也是我唯一使用过的，但 Elastic Search 使用同样流行的 Lucene 后端，显然更容易启动和运行，所以我会从那里开始。
至于实际实现，如果您要返回的是单个经文(或仅经文编号)，则您需要将每节经文作为单独的“文档”编制索引。搜索引擎根据相关性处理结果排名(如果您感兴趣，通常使用 tf/idf 算法)。
我处理斜体和红色文本的方式是在文本中包含某种标记(即将短语用单星号表示斜体，用双星号表示红色)，然后告诉分析器忽略这些字符 -不过，在您最终选择的框架中可能有一种更简单的方法，所以请对此持保留态度。跨越多节经文的查询要求更复杂，但答案可能涉及将每一整章索引为文档而不是(或者可能除了？我必须更多地考虑)每节经文。
请注意 - 如果您不熟悉搜索索引，即使像 Elastic Search 这样设计为即插即用的东西也可能仍然需要一些时间和精力来设置，所以如果您绝对 需要 来快速启动和运行它并且您已经熟悉 MySQL 我想它可以工作(它确实可以进行全文搜索)。但它肯定不是这项工作的最佳工具，因此，如果这是您投资的项目，如果您投入一点工作来学习这些搜索框架之一，您稍后会感谢自己。正如其他人所指出的那样，就您正在处理的文本数量而言，这可能有点矫枉过正，但在您如何搜索您想要的文本方面，它将非常灵活。例如，稍后添加其他要求会非常简单(例如，您可以让人们将他们的搜索限制为仅匹配红色文本)。
关于database - 存储大型可搜索文本文件的最佳方式，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/7458621/