如何在 Xapian 中使用不同的 id？

Question

我正在尝试使用 Xapian 执行搜索。我的文档有自己的 ID，即字符串。我已经按照教程说的做了：

db.replace_document(doc.docno, doc_x)

其中 doc.docno 是标识文档的字符串。但是当我搜索时：

for match in enquire.get_mset(0, 10):
    print match.document.get_docid()

恢复的docid只是一个简单的数字。有人知道我是否需要做其他事情吗？

Answer 1

Xapian 文档 ID 始终是数字，但它提供了一种机制，让您可以按术语和 ID 来寻址文档。所以 replace_document() 和 delete_document() 可以被赋予一个字符串，就像你所做的那样，它们将找到所有匹配该术语的现有文档，并将它们从数据库中删除。 replace_document() 然后将创建一个新文档，re-using 最低匹配（数字）文档 ID，或者如果没有文档匹配则使用新 ID。

documentation for this variant of replace_document() 说：

One common use is to allow UIDs from another system to easily be mapped to terms in Xapian. Note that this method doesn't automatically add unique_term as a term, so you'll need to call document.add_term(unique_term) first when using replace_document() in this way.

如果您正在使用 QueryParser，或者以其他方式遵循很多 Xapian 系统遵循的 term prefixing convention，那么通常使用 Q 作为前缀.这意味着您可能希望在调用 replace_document():

之前执行以下操作

doc_x.add_term('X' + doc.docno)

然后，当您查询数据库时，您将需要再次获取您的文档 ID。您可以通过读取术语列表来完成此操作，但这有点繁琐，因此更常见的是将您的 "external" id（Xapian 外部）存储在 Document 数据中。（我经常将 JSON 存储在那里，为我需要的内容提供一些增长空间；例如，有时将呈现搜索结果所需的所有信息包含在文档数据中是很有用的。）

Xapian's FAQ on working with existing unique ids 中介绍了这种方法，特别是第二部分 "Using a term for the external unique id"。

如何在 Xapian 中使用不同的 id？

How to use different ids in Xapian?

python

xapian