构建全文搜索引擎：从哪里开始

Question

我想用Google App Engine来写一个网页应用程序（所以我会用Python这门语言）。我的应用需要一个简单的搜索引擎，这样用户就可以通过输入关键词来找到数据。

举个例子，如果我有一个表格，里面有这些内容：

1 办公空间
2 2001：太空漫游
3 巴西

当用户搜索“太空”时，结果会返回第1和第2行。如果用户搜索“办公空间”，结果也应该是第1和第2行（第1行优先）。

那么，有什么简单的方法或算法可以实现这个功能呢？
你能给我一些关于这个理论的好建议吗？

谢谢。

编辑：我并不想要复杂的东西（比如，处理大量数据的索引）。

Answer 1

我在以前搭建全文搜索引擎的时候，发现这两本书非常有用。

《信息检索》

《管理千兆字节》

Answer 2

阅读Tim Bray关于这个主题的一系列文章，链接在这里：系列文章。

• 背景知识
• 搜索引擎的使用
• 基础知识
• 精准度和召回率
• 搜索引擎的智能
• 复杂的搜索词
• 停用词
• 元数据
• 国际化
• 结果排名
• XML格式
• 机器人程序
• 需求列表

Answer 3

如果可以的话，我建议你不要自己去搭建这个。

App Engine已经包含了一个基本的全文搜索引擎，而且这里有一篇很不错的博客文章，详细介绍了如何使用它。

另外，在错误追踪器中还有一个功能请求，最近似乎得到了不少关注，所以如果可以的话，你可能想等到这个功能实现后再使用。