告别Web(二)

因为以后可能不会接触web了，我在这里不会做太多解释，不懂就去群562551358里问我把，我们可以互相交流讨论。

这个例子还是school.js, 主要自己无聊写的一个拼音检索的js插件，不过可以肯定的是没有lucene, solr很好的区分度和检索效率。

因为当时是做毕业设计，只是想着锻炼一下技能



我当时是这样做的：我那时候不知道有pin4j.jar

开始：

准备材料，网站上找到汉字拼音的数据库和高校数据库

拼音的如下：

Id hz py zm

1 啊 a a

2 阿 a a

4 埃 ai a

5 挨 ai a

高校的如下：

找不到了。。。

Id name place properties type

1 北京大学 北京 本科 综合

1 北京大学 北京 本科 综合

1 北京大学 北京 本科 综合

最后把两个数据库合成然后输出成json

{

place: “北京”

schools: [

{“id”:1,”name”:”北京大学”,”place”:”北京”,”properties”:”本科”,”type”:”综合”,”py”:”beijingdaxue”,”zm”:”bjdx”},

{“id”:2,”name”:”北京大学”,”place”:”北京”,”properties”:”本科”,”type”:”综合”,”py”:”beijingdaxue”,”zm”:”bjdx”},

]

}

其实我们不难想到：

拼音数据库中有6986个

高校数据库被我删了。。。，应该也有几千个。

Js加载一个容量大的文本是很耗时的，我那时也忘记把schools里不需要的字段propeties, type, place去掉了(减少加载成本)，因为我们只需要拼音，拼音缩写和学校名字就可以了，最后再把生成的json压缩一次就更好了。

重新分析：

高校在数据库里是一行行的，但是这里你可以看到有个place，对！这样我们就可以根据place去划分整个高校数据库，你想，如果你不通过place划分，通过一行行去找的话效率是O(n)，n是学校的个数，如果n是10000，m次查询，m=100，那个就光算上查询都要m*n次遍历，这样我们是不接受的，如果能通过一个place划分，那么我们找学校时就能通过place过滤掉大部分数据，而从小部分数据中快速查找。

如果用map去维护效果会更好。



过程：

材料我们都有了而且处理好了。我那时拼音检索想法就是枚举分割点+剪枝

也是就是子集法：

以广州(guangzhou)为例：

1的二进制是00000001

2 00000010

3 00000011

所以可以把1当作我选择了在1号位置划分单词, 我用’|’表示划分

结果就是g | uangzhou

2的结果gu|angzhou

3的结果g|u|angzhou

依此类推，所以我们可以用二进制表示划分状态

现在我们看看效率

guangzhou：此时的n = 9

我们大约需要枚举1 ~ (2^9 - 1 )次^代表次方

刚好是2^9 = 512

其实O(2^n), 子集增长是指数型的，如果n<20 其实承载还行，如果n>20感觉运行起来就太吃力了2^20 = 1048576

所以剪去没有必要的搜索结果是很有用的。

guangzhou

经过分析：

u， 是不能做为头存在的，因为没有u开头的汉字。。。所以u只能和别人合并

所以只要 二进制状态 & 1 == true的过滤因为u不需要划分出来

所以gu时可以提前合并，不需要划分

可惜我当时就做了这里的过滤因为没时间搞了

后来我想到了

“a”,”ai”,”an”,”ang”,”ao”,”ba”,”bai”,”ban”,”bang”,”bao”,”bei”,”ben”,”beng”,”bi”,”bian”,”biao”,”bie”还有很多我就不写了

我们汉字组成也有一些固定格式

然后我们可以把它们做成字典树(trid)通过ac自动机进行匹配，就能过滤掉大部分没必要合并的。

最后就是一些js+css的东西了我就不说了，具体看代码school.js我要开始写java面试的东西了，可能不再弄前端了。

如果我写的不好的请帮忙指出，谢谢