何千もの古い文書をスキャンし、重要なデータをデータベースに入力しました。フィールドの 1 つは著者名です。
特定の著者による文書を検索する必要がありますが、多くの文書ではデータが手書きであるため、正確な名前が間違って入力されている可能性があります。
姓の最初の数文字だけを検索して、ユーザーが選択できるリストを表示することを考えました。現段階では、明確な著者が何人いるかはわかりませんが、数十万人ではなく数百人になると思います。何十万ものドキュメントがあります。より良い方法はありますか？SQL データベースの方がうまく処理できるでしょうか?
ソフトウェアは python であり、作成者ごとにドキュメントのリストが表示されます。
リストフィールドに可能なすべての著者名を設定できるmongodbを使用できると思います。たとえば、手書きの名前「black」があり、「c」や「e」などの名前の文字を認識できず、元の名前を「black」として設定し、可能な名前のリストに「blaek」を追加できます
Luceneの上に構築されたSolrにアクセスする Python-Solr ライブラリであるSunburntを使用できます。
Solr とは何かの抜粋:
Solr は、Apache Lucene プロジェクトによる人気のある超高速オープン ソース エンタープライズ検索プラットフォームです。その主な機能には、強力な全文検索、ヒットの強調表示、ファセット検索、動的クラスタリング、データベース統合、リッチ ドキュメント (Word、PDF など) の処理、および地理空間検索が含まれます。Solr は非常にスケーラブルで、分散検索とインデックス レプリケーションを提供し、世界最大のインターネット サイトの多くで検索機能とナビゲーション機能を強化しています。
検索基準が何であれ、部分的なヒットや潜在的な一致など、ドキュメントの検索に必要なものがすべて提供されます。