專利名稱：一種可配置方式的復雜關鍵字搜索技術實現(xiàn)方法
技術領域：
本發(fā)明涉及一種文本，網(wǎng)頁或其他二進制內容的搜索方法，尤其是一種具有復雜 關鍵字檢索結構的網(wǎng)絡搜索方法，具體地說是一種可配置方式的復雜關鍵字搜索方法。
背景技術：
目前，搜索技術在我們生活中運用廣泛，而實際在軟件開發(fā)中常常遇到一種情況 是搜索的內容不固定，只知道幾個典型的關鍵字，且關鍵字可能經常變化。例如要分析一 個郵件網(wǎng)頁的正文內容，首先要確定正文開始的關鍵字和結束的關鍵字。因為網(wǎng)頁是腳本 隨機生成的，不同語言、不同編碼這個關鍵字都不一樣，或者這個網(wǎng)站還在更新中，依賴的 關鍵字會經常變化，又或者依賴的關鍵字不是唯一的，在全文中有M個，而我們需要找到第 N個關鍵字之后的內容。舉三種情況
1)按照關鍵字出現(xiàn)的順序，先查找第一個出現(xiàn)的A，之后查找B，截取B之后的內容到 關鍵字C結束
2)按照關鍵字出現(xiàn)的順序，需要實現(xiàn)查找關鍵字A，再查找關鍵字B或者關鍵字C，如 果關鍵字B出現(xiàn)，則查找后面的判斷是否存在關鍵字D，如果B不出現(xiàn)C出現(xiàn)，則判斷后面是 否存在關鍵字F。3)按照關鍵字出現(xiàn)的順序，先查找關鍵字A，之后查找B或者C，截取包含B或者 C關鍵字到結束的所有內容。
傳統(tǒng)的方法針對三種情況，寫三段代碼. 對情況1
If (內容查找到A)
{
If (內容查找到B)
{
If (內容查找到C)
返回B和C之間的內容
對情況2
If (內容查找到A)
{
If (內容查找到B)
{
If (內容查找到D )返回找到
}
Else if (內容查找到C) If (內容查找到F) 返回找到
}
返回未找到 對情況3
If (內容查找到A)
{
If (內容查找到B)
{
查找結尾 返回內容
}
Else (內容查找到C)
{
查找結尾 返回內容
返回未找到
以上在關鍵字確定，邏輯不是特別復雜時，已經明顯感到處理的復雜性。上面的傳統(tǒng)方法處理的幾個明顯的缺點
1)邏輯過于復雜，可讀性差；
2)代碼過于累贅，沒有復用性，可維護性差；
3)如果有新的邏輯出現(xiàn)，則需要新增加代碼，可移植性差；
4)如果關鍵字修改，則代碼需要修改，需要重新編譯，升級繁瑣。

發(fā)明內容
本發(fā)明的目的是針對查找一些內容時，查找的依賴關鍵字比較多，關鍵字與關鍵 字之間的邏輯關系又相對復雜，關鍵字經常變化時搜索適應性和可移植性差的問題，發(fā)明 一種可配置方式的復雜關鍵字搜索方法。本發(fā)明的技術方案是
一種可配置方式的復雜關鍵字搜索方法，其特征是它包括以下步驟 首先，在搜索引擎中設置一個配置文件，在所述配置文件中配置需查找的關鍵字的查 找邏輯關系；通過配置文件配置查找項依賴的關鍵字，通過配置文件配置關鍵字的邏輯關 系，隔離關鍵字變化或者關鍵字間邏輯關系變化對處理流程帶來的影響；配置文件可以配 置的內容包括支持多個查找項，每個查找項都有一個唯一標識； 支持關鍵字間的邏輯關系表示，邏輯關系包括“與”，“或”； 支持任意字符的關鍵字，不可見字符可用16進制表示；
支持關鍵字類型表示，類型包括查詢類型、取值開始類型、取值結束類型、查找開始包 含這個關鍵字、查找結束包含這個關鍵字、查找結尾以查找內容結尾為內容結束等；
其次，在初始化搜索引擎時先讀取配置文件，按照查找項的內容和數(shù)據(jù)存儲結構
存儲數(shù)據(jù)；
最后，執(zhí)行查找或查詢函數(shù)，根據(jù)配置項標識查找數(shù)據(jù)內容，返回查找結果和內容。所述的配置文件中可含有多個查找項，每個查找項均帶有標識符，每個查找項均 可由多個關鍵字組成，關鍵字數(shù)量的上限可以設定，關鍵字開始和結束有分割符分割，關鍵 字的配置順序就是其查找時的先后順序；關鍵字的邏輯關系包括“與”、“或”兩種；同時為關 鍵字配置類別。所述的類別不查擴充類別，它包括查詢類型，取值開始類型，取值結束類型，返回 包含關鍵字類型，返回關鍵字開始到結束類型。所述的標識符=([類蕃關鍵字1])邏輯關系([類蕃關鍵字2])…邏輯關系([類 蕃關鍵字η])，標識為可見字符，“([”為關鍵字開始分割符，“])，，為關鍵字結束分割符。所述的初始化是指
(1)程序啟動或者中途需要讀入配置文件；
(2)配置文件存在本地或者遠程，配置項按照配置文件的格式讀入內存；
(3)配置內容按照數(shù)據(jù)結構存放每一個配置項。所述的執(zhí)行查找或查詢函數(shù)是指查找按照配置項的標識進行單項查找，返回查 找內容，執(zhí)行查詢函數(shù)是指查找按照配置項的標識進行單項查找，返回查找結果。本發(fā)明的有益效果
利用本發(fā)明的方法能夠解決負責邏輯的統(tǒng)一查找，這種技術的創(chuàng)新點在于可配置，查 找靈活，應用范圍廣，使用這種技術后，代碼的可讀性，軟件的可維護性以及可擴展性大大 提尚。本發(fā)明方法簡單，易于實現(xiàn)，在實際應用中，具有較好的可移植性。


圖1是本發(fā)明的初始化流程圖。圖2是本發(fā)明的查找流程圖。
具體實施例方式下面結合附圖和實施例對本發(fā)明作進一步的說明。如圖1、2所示。一種可配置方式的復雜關鍵字搜索方法，它包括以下步驟
首先，在搜索引擎中設置一個配置文件，在所述配置文件中配置需查找的關鍵字的查 找邏輯關系；配置文件應記錄查找的項目、查找項目依賴的關鍵字以及關鍵字之間的邏輯 關系和關鍵字類型，具體要求為al、配置文件按照約定的語法格式配置，具體語法見下文說明。配置文件可以配置依賴 的查找關鍵字，關鍵字數(shù)量不設上限，每個配置必須有一個唯一標識標記；
a2、查找的內容依賴的關鍵字數(shù)量不設上限，關鍵字開始結束有特定(如下所列的配置 文件的具體語法所示)的分割符分割，關鍵字的配置順序就是其查找時的先后順序；
a3、配置依賴關鍵字需要配置關鍵字的邏輯關系，邏輯關系包括“與”，“或”兩種關系； a4、配置項的依賴關鍵字是要配置類別的，這些類別包括查詢類型，取值開始類型，取 值結束類型，返回包含關鍵字類型，返回關鍵字開始到結束類型，類型可以擴充； 配置文件的具體語法說明
標識符=([類蕃關鍵字1])邏輯關系([類蕃關鍵字2])…邏輯關系([類蕃關鍵字
η])
標識說明標識為可見字符 “([”關鍵字開始分割符 “])”關鍵字結束分割符 類型
關鍵字的類型具體包括 $-----查詢標記
%——從查找開始到這個符號后字符串結束 ——從這個符號后字符開始到結束 & 一一查找開始標記，不帶這個符號
-----查找開始標記，帶這個符號
@——查找結束字符，但連帶這個符號 # 一一查找結束標記，不帶這個符號 + 一一沒有找到以查找結束為結束 關鍵字
查找依賴的關鍵字，可顯示字符，如果是十六進制則標識方法為 IOx十六進制數(shù)1，Ox十六進制數(shù)2，···，Ox十六進制數(shù)η}; 邏輯關系
&一一與關系，即出現(xiàn)前一個關鍵字之后必須出現(xiàn)下一個關鍵字 一一或關系，即如果前一個關鍵字不出現(xiàn)則可以是出現(xiàn)下一個關鍵字 具體的標識舉例
value=([$keyl])&([ &key2]) | ([&key3])&([# key4])
這一行配置表達的的意思是Value項的查找邏輯是先查找keyl，然后查找key2，如果 Key2也沒有找到則查找key3，然后查找key4，取key2或者key3關鍵字后面內容作為查找 到目標內容的開始，key4關鍵字之前的內容作為目標內容的結束。
上述內容均可存在文件配置模具中。 其次，啟動初始化模塊，先讀取配置文件，按照查找項的內容和數(shù)據(jù)存儲結構存儲 數(shù)據(jù)；數(shù)據(jù)采用順序單向鏈表，每個鏈表子節(jié)點包含了 “與”節(jié)點指針，“或”節(jié)點指針，關鍵 字內容，關鍵字類型。這種結構的好處是可以表達復雜的邏輯，在查找時方便實現(xiàn)數(shù)據(jù)的查 找。
初始化模塊主要負責將配置文件轉化為便于查找的鏈表結構，將查找內容存儲到 內存的關鍵字鏈表結構。bl、讀取配置文件，確定需要讀取的查找項； b2、分析讀取的項的關鍵字關系，存入查找鏈表。初始化流程圖如圖1所示，具體的初始化執(zhí)行步驟可為 步驟101，首先傳入配置文件名稱；
步驟102，檢查文件是否存在，存在執(zhí)行步驟103，不存在執(zhí)行步驟112 ； 步驟103，讀入一行文件內容；
步驟104判斷文件是否結束，如果未結束執(zhí)行步驟105，結束則執(zhí)行步驟112 ； 步驟105，分析讀入的內容確定查找的標識符，申請節(jié)點緩存； 步驟106，分析獲取一個關鍵字內容；
步驟107，判斷關鍵字是否正確，正確則執(zhí)行108，錯誤或結束則執(zhí)行步驟103 ； 步驟108，申請關鍵字節(jié)點，并賦值； 步驟109，分析邏輯關系；
步驟110，根據(jù)邏輯關系，將關鍵字節(jié)點掛載到“與”或“或”節(jié)點下； 步驟111，執(zhí)行步驟106 ； 步驟112，初始化結束，返回。；
最后，執(zhí)行查找或查詢函數(shù)模塊，根據(jù)配置項標識查找數(shù)據(jù)內容，返回查找結果和內 容；查找或查詢函數(shù)模塊主要完成查找接口，當用戶傳入需要查找的源字符串和查找項標 識時，查找或查詢函數(shù)模塊根據(jù)查找項的關鍵字關系進行查找 Cl、取一個關鍵字內容，在源字符串中查找； C2、如果找到則根據(jù)類型，記錄查找結果，取下一個關鍵字查找； C3、如果沒有找到則取同級的“或”關鍵字； C4、查找結束將結果返回。具體的搜索流程如圖2所示，搜索步驟為 步驟201，傳入查找的步驟112字符串或二進制文件； 步驟202，獲取查找項指針；
步驟203，獲取查找項的下一個“與”關系關鍵字結構； 步驟204，如果“與”關鍵字結束執(zhí)行步驟213，否則執(zhí)行步驟205 ； 步驟205，按照當前關鍵字對源字符串或二進制數(shù)據(jù)進行查找； 步驟206，如果關鍵字找到，執(zhí)行步驟207，未找到執(zhí)行步驟208 ； 步驟207，根據(jù)關鍵字的類別，設置輸出信息； 步驟208，取下一個“或”關系關鍵字；
步驟209，如果“或”關鍵字結束執(zhí)行步驟211，否則執(zhí)行步驟210 ； 步驟210，按照當前關鍵字對源字符串或二進制數(shù)據(jù)進行查找； 步驟211，返回查找結果，查找失??；
步驟212，如果關鍵字找到，執(zhí)行步驟207，未找到執(zhí)行步驟208 ； 步驟213，返回查找結果，查找成功。本發(fā)明未涉及部分均與現(xiàn)有技術相同或可采用現(xiàn)有技術加以實現(xiàn)。
權利要求
一種可配置方式的復雜關鍵字搜索方法，其特征是它包括以下步驟首先，在搜索引擎中配置一個配置文件，在所述配置文件中配置需查找的關鍵字的查找邏輯關系；其次，在初始化程序時先讀取配置文件，按照查找項的內容和數(shù)據(jù)存儲結構存儲數(shù)據(jù)；最后，執(zhí)行查找或查詢函數(shù)，根據(jù)配置項標識查找數(shù)據(jù)內容，返回查找結果和內容。
2.根據(jù)權利要求1所述的方法，其特征是所述的配置文件中可含有多個查找項，每個 查找項均帶有標識符，每個查找項均可由多個關鍵字組成，關鍵字數(shù)量的上限可以設定，關 鍵字開始和結束有分割符分割，關鍵字的配置順序就是其查找時的先后順序；關鍵字的邏 輯關系包括“與”、“或”兩種；同時為關鍵字配置類別。
3.根據(jù)權利要求2所述的方法，其特征是所述的類別不查擴充類別，它包括查詢類型， 取值開始類型，取值結束類型，返回包含關鍵字類型，返回關鍵字開始到結束類型。
4.根據(jù)權利要求2所述的方法，其特征是所述的標識符=([類蕃關鍵字1])邏輯關系 ([類蕃關鍵字2])…邏輯關系([類蕃關鍵字n])，標識為可見字符，“([”為關鍵字開始 分割符，“])”為關鍵字結束分割符。
5.根據(jù)權利要求1所述的方法，其特征是所述的初始化是指(1)程序啟動或者中途需要讀入配置文件；(2)配置文件存在本地或者遠程，配置項按照配置文件的格式讀入內存；(3)配置內容按照數(shù)據(jù)結構存放每一個配置項。
6.根據(jù)權利要求1所述的方法，其特征是所述的執(zhí)行查找或查詢函數(shù)是指查找按照 配置項的標識進行單項查找，返回查找內容，執(zhí)行查詢函數(shù)是指查找按照配置項的標識進 行單項查找，返回查找結果。
全文摘要
本發(fā)明涉及一種文本，網(wǎng)頁或其他二進制內容的搜索方法，尤其是一種具有復雜關鍵字檢索結構的網(wǎng)絡搜索方法，主要是通過配置文件的方式，先對關鍵字進行配置建立索引關系，實現(xiàn)對復雜邏輯關鍵字內容的查找，從而解決關鍵字經常變化時搜索適應性和可移植性差的問題。這種技術的優(yōu)點是代碼簡單，復用性高，可實現(xiàn)復雜的邏輯關系的搜索，配置靈活，可用范圍廣。
文檔編號G06F17/30GK101916303SQ201010277130
公開日2010年12月15日 申請日期2010年9月9日 優(yōu)先權日2010年9月9日
發(fā)明者曹鏡云 申請人:南京中興特種軟件有限責任公司