Archief - Algoritme (PHP): search engine voor forum

[JohnBeton]

...dan zou er eerst naar A gezocht moeten worden

Je kan mss de ingevoerde string parsen naar een SQL query en deze laten uitvoeren ofzo.

Neen, eerst naar "b OR c", want dat staat tussen haken

En omzetten naar SQL where-clause is geen oplossing, zie hierboven

[Ansur]

Haakjes zijn overbodig hier, want AND heeft voorrang op OR
A AND B OR C != (A AND B) OR C

(maar we gaan hier wat off-topic, so I'll shut it)

[JohnBeton]

Haakjes dienen net om die volgorde te bepalen he...

A AND B OR C
=> in elke post moet zowel A als B voorkomen, of C

A AND (B OR C)
=> A moet voorkomen in elke post, en ook ofwel B ofwel C

[killgore]

1 woordje over dat cachen: is bijna niet te doen, je moet dan namelijk alles toch terug updaten als je een nieuw bericht post.

Er is trouwens een ingebouwde cache-optie voor queries in mysql. Maar deze wordt natuurlijk weer leeggemaakt als je een INSERT of UPDATE of DELETE uitvoert .

Beste oplossing imho is met hashes werken of die manier van phpBB (of die combineren). Is natuurlijk trager bij aanpassingen van de tables (elk woord moet apart ingevoegd worden. Maar de zoekfunctie zal des te sneller zijn .

md5 is btw niet een unieke hash voor elke tekst, ik betwijfel ook ten sterkste voor elk woord .

[JohnBeton]

1 woordje over dat cachen: is bijna niet te doen, je moet dan namelijk alles toch terug updaten als je een nieuw bericht post.

Er is trouwens een ingebouwde cache-optie voor queries in mysql. Maar deze wordt natuurlijk weer leeggemaakt als je een INSERT of UPDATE of DELETE uitvoert .

Beste oplossing imho is met hashes werken of die manier van phpBB (of die combineren). Is natuurlijk trager bij aanpassingen van de tables (elk woord moet apart ingevoegd worden. Maar de zoekfunctie zal des te sneller zijn .

md5 is btw niet een unieke hash voor elke tekst, ik betwijfel ook ten sterkste voor elk woord .

Wat is de phpBB manier dan?

Op de manier die ik nu aan het uitwerken ben kan je makkelijk gewoon de "nieuwe" woorden toevoegen (in de nieuwe post dus).

Die Mysql caching had ik ook al bekeken, maar inderdaad totaal nutteloos voor een forum.

md5 is inderdaad niet altijd uniek, maar momenteel zit ik met grotere problemen.

[EdMeister]

Wat is de phpBB manier dan?

Eventjes mezelf quoten, je leest blijkbaar selectief.

phpBB doet dit door lijsten van woorden bij te houden in zijn database. Het voordeel is dat het heel snel werkt, nadeel is uiteraard dat je database veel groter wordt.
Ik zou zeggen: kijk eens in de broncode van phpBB, installeer en draai dat forum desnoods lokaal en implementeer het systeem in je eigen forum.

[JohnBeton]

Eventjes mezelf quoten, je leest blijkbaar selectief.

Ow ja


Wel, ik ben ondertussen de hash-weg ingeslagen. lijkt me zéér performant (zoeken op geïndexeerde getallen), met als enige nadeel inderdaad een grotere database. Eigenlijk is die hash-tabel dus ook een lijst van woorden, maar die woorden zijn dan omgezet in getallen.


Maar zoals ik al zei is de opslag ATM niet mijn grootste zorg meer, wel het uiteenrafelen van searchqueries
Alhoewel de meeste problemen al opgelost zijn.

Moest tussendoor iemand mij een betere hashing methode (die 100% unieke getallen oplevert) kunnen bezorgen, zou dat trouwens leuk zijn!