我有目录号到产品名的映射:
35 cozy comforter
35 warm blanket
67 pillow
并且需要一个能够找到拼写错误的混合名称的搜索,例如“warm cmfrter”.
我们使用edit-distance(difflib)编写代码,但它可能无法扩展到18000个名称.
我实现了与Lucene类似的东西,但是因为PyLucene只包装Java会使部署复杂化到最终用户.
sqlite通常没有编译的全文或评分.
Xapian bindings就像C一样,有一些学习曲线.
Whoosh尚未有详细记录,但包括一个可滥用的拼写检查程序.
那里还有什么?
显然,
快速进行模糊比较的唯一
方法是减少它们;)
我们现在保留一个单词索引,而不是编写另一个n-gram搜索或改进Whoosh中的单词索引,检索所有与查询共有至少一个(正确拼写)单词的条目,并使用difflib对这些单词进行排名.在这种情况下运作良好.