brief: | i18n.site understøtter nu serverløs fuldtekstsøgning.

Denne artikel introducerer implementeringen af ren front-end fuldtekst-søgeteknologi, inklusive inverteret indeks bygget af IndexedDB, præfikssøgning, ordsegmenteringsoptimering og flersprogsunderstøttelse.

Sammenlignet med eksisterende løsninger er i18n.sites rene front-end fuldtekstsøgning lille i størrelse og hurtig, velegnet til små og mellemstore websteder såsom dokumenter og blogs og er tilgængelig offline.

Ren Frontend Inverteret Fuldtekstsøgning

Rækkefølge

Efter flere ugers udvikling understøtter i18n.site (et rent statisk markdown multilingualtranslation & webstedsopbygningsværktøj) ren frontend fuldtekstsøgning.

Denne artikel vil dele den tekniske implementering af i18n.site ren front-end fuldtekstsøgning. Besøg i18n.site

Kode open source : Søg kerne / interaktiv grænseflade

En Oversigt Over Serverløse Fuldtekstsøgeløsninger

For små og mellemstore rent statiske hjemmesider såsom dokumenter/personlige blogs er det for tungt at bygge en selvbygget fuldtekstsøgningsbackend, og servicefri fuldtekstsøgning er det mere almindelige valg.

Serverløse fuldtekstsøgeløsninger falder i to brede kategorier:

For det første, algolia.com tredjeparts søgetjenesteudbydere leverer front-end-komponenter til fuldtekstsøgning.

Sådanne tjenester kræver betaling baseret på søgevolumen og er ofte utilgængelige for brugere på det kinesiske fastland på grund af problemer såsom overholdelse af websteder.

Det kan ikke bruges offline, kan ikke bruges på intranettet og har store begrænsninger. Denne artikel diskuterer ikke meget.

Den anden er ren frontend fuldtekstsøgning.

På nuværende tidspunkt omfatter almindelige rene front-end fuldtekstsøgninger lunrjs og ElasticLunr.js (baseret på lunrjs sekundær udvikling).

lunrjs Der er to måder at bygge indeks på, og begge har deres egne problemer.

Forudbyggede indeksfiler
Fordi indekset indeholder ord fra alle dokumenter, er det stort i størrelse. Hver gang et dokument tilføjes eller ændres, skal en ny indeksfil indlæses. Det vil øge brugerens ventetid og forbruge meget båndbredde.
Indlæs dokumenter og opbyg indekser på farten
Opbygning af et indeks er en beregningsintensiv opgave At genopbygge indekset, hver gang du får adgang til det, vil forårsage åbenlyse forsinkelser og dårlig brugeroplevelse.

Ud over lunrjs er der nogle andre fuldtekstsøgeløsninger, såsom :

fusejs , beregne ligheden mellem strenge for at søge.

Ydeevnen af denne løsning er ekstremt dårlig og kan ikke bruges til fuldtekstsøgning (se Fuse.js Lang forespørgsel tager mere end 10 sekunder, hvordan optimerer man den? ).

TinySearch , brug Bloom-filteret til at søge, kan ikke bruges til præfikssøgning (indtast f.eks. goo , søg good , google ), og kan ikke opnå lignende automatisk fuldførelseseffekt.

På grund af manglerne ved de eksisterende løsninger udviklede i18n.site en ny ren front-end fuldtekst søgeløsning, som har følgende egenskaber :

Understøtter søgning på flere sprog og er lille i størrelse. Størrelsen på søgekernen efter pakning gzip er 6.9KB (til sammenligning er størrelsen på lunrjs 25KB ).
Byg et omvendt indeks baseret på indexedb , som optager mindre hukommelse og er hurtigt.
Når dokumenter tilføjes/ændres, bliver kun de tilføjede eller ændrede dokumenter genindekseret, hvilket reducerer mængden af beregninger.
Understøtter præfikssøgning, som kan vise søgeresultater i realtid, mens brugeren skriver.
Tilgængelig Offline

Nedenfor vil i18n.site tekniske implementeringsdetaljer blive introduceret i detaljer.

Flersproget Ordsegmentering

Ordsegmentering bruger browserens oprindelige ordsegmentering Intl.Segmenter , og alle almindelige browsere understøtter denne grænseflade.

Ordsegmentering coffeescript koden er som følger

SEG = new Intl.Segmenter 0, granularity: "word"

seg = (txt) =>
  r = []
  for {segment} from SEG.segment(txt)
    for i from segment.split('.')
      i = i.trim()
      if i and !'|`'.includes(i) and !/\p{P}/u.test(i)
        r.push i
  r

export default seg

export segqy = (q) =>
  seg q.toLocaleLowerCase()

/\p{P}/ er et regulært udtryk, der matcher tegnsætningstegn. Specifikke matchende symboler omfatter: ! " # $ % & ' ( ) * + , - . / : ; < = > ? @ [ \ ] ^ _ { | } ~. .</p><ul><li> split('.')skyldes, atFirefoxbrowserordsegmentering ikke segmenterer.` .

Indeksbygning

5 objektlagringstabeller blev oprettet i IndexedDB :

word : id -
doc : id - Dokument url - Dokumentversionsnummer
docWord : Array af dokument id - word id
prefix : Array af præfiks - ord id
rindex : Word id - Dokument id : Array af linjenumre

Indtast arrayet af dokument url og versionsnummer ver , og søg, om dokumentet findes i tabel doc Hvis det ikke findes, skal du oprette et omvendt indeks. Fjern samtidig det omvendte indeks for de dokumenter, der ikke blev sendt ind.

På denne måde kan der opnås trinvis indeksering og mængden af beregning reduceres.

I front-end-interaktion kan indlæsningsfremgangslinjen for indekset vises for at undgå forsinkelsen ved indlæsning for første gang. Se "Progresslinje med animation, baseret på en enkelt progress + Ren css Implementering" Engelsk / Kinesisk .

IndexedDB Høj Samtidig Skrivning

Projektet er idb baseret på den asynkrone indkapsling af IndexedDB

IndexedDB læsninger og skrivninger er asynkrone. Når du opretter et indeks, vil dokumenter blive indlæst samtidigt for at oprette indekset.

For at undgå delvist datatab forårsaget af konkurrenceskrivning, kan du henvise til coffeescript koden nedenfor og tilføje en ing cache mellem læsning og skrivning for at opsnappe konkurrerende skrivninger.

pusher = =>
  ing = new Map()
  (table, id, val)=>
    id_set = ing.get(id)
    if id_set
      id_set.add val
      return

    id_set = new Set([val])
    ing.set id, id_set
    pre = await table.get(id)
    li = pre?.li or []

    loop
      to_add = [...id_set]
      li.push(...to_add)
      await table.put({id,li})
      for i from to_add
        id_set.delete i
      if not id_set.size
        ing.delete id
        break
    return

rindexPush = pusher()
prefixPush = pusher()

Præcision Og Genkaldelse

Søgningen vil først segmentere de søgeord, som brugeren har indtastet.

Antag, at der er N ord efter ordsegmenteringen. Når resultaterne returneres, vil resultater, der indeholder alle søgeord, først blive returneret, og derefter returneres resultater, der indeholder N-1 , N-2 ,..., 1 søgeord.

De søgeresultater, der vises først, sikrer forespørgslens nøjagtighed, og de efterfølgende indlæste resultater (klik på knappen Indlæs mere) sikrer genkaldelsesfrekvensen.

Indlæs Efter Behov

For at forbedre responshastigheden bruger søgningen yield generatoren til at implementere on-demand-indlæsning og returnerer limit gang et resultat forespørges.

Bemærk, at hver gang du søger igen efter yield , skal du genåbne en forespørgselstransaktion på IndexedDB .

Præfiks Søgning I Realtid

For at få vist søgeresultater, mens brugeren skriver, f.eks. når wor er indtastet, vises ord med wor foran, såsom words og work .

Søgekernen vil bruge prefix tabellen for det sidste ord efter ordsegmentering for at finde alle ord med præfiks og søge i rækkefølge.

Anti-shake funktion debounce bruges også i front-end interaktion (implementeret som følger) for at reducere hyppigheden af brugerinput, der udløser søgninger og reducere mængden af beregninger.

export default (wait, func) => {
  var timeout;
  return function(...args) {
    clearTimeout(timeout);
    timeout = setTimeout(func.bind(this, ...args), wait);
  };
}

Tilgængelig Offline

Indekstabellen gemmer ikke den originale tekst, kun ordene, hvilket reducerer mængden af lagring.

Fremhævelse af søgeresultater kræver genindlæsning af den originale tekst, og matchende service worker kan undgå gentagne netværksanmodninger.

På samme tid, fordi service worker cacher alle artikler, er hele hjemmesiden, inklusive søgningen, tilgængelig offline, når først brugeren udfører en søgning.

Visningsoptimering Af MarkDown Dokumenter

i18n.site 's rene front-end søgeløsning er optimeret til MarkDown dokumenter.

Når der vises søgeresultater, vil kapitelnavnet blive vist, og kapitlet vil blive navigeret, når der klikkes på det.

Sammenfatte

Inverteret fuldtekstsøgning implementeret udelukkende på frontend, ingen server påkrævet. Den er meget velegnet til små og mellemstore hjemmesider såsom dokumenter og personlige blogs.

i18n.site Open source egenudviklet ren front-end søgning, lille i størrelse og hurtig respons, løser manglerne ved den nuværende rene front-end fuldtekstsøgning og giver en bedre brugeroplevelse.