对大量XML文件进行索引

Question

我面临一个棘手的问题，我认为我最好在自己制定攻击计划之前寻求社区的指导。

我有几千个XML文件需要通过SQL Server 2008数据库进行搜索。 XML文件当前驻留在磁盘上，不属于任何存储库。我的意思是“搜索”是，我需要能够做这样的事情（在此伪代码）

SELECT * 
FROM tbl_xmldata 
WHERE CONTAINS('xmldata', 'some search word') 

tbl_xmldata将在那里被存储在XML文件中的表格，并XMLDATA将列与实际的XML数据。

最后一项要求（这实际上是一个艰难的）是，当发现一个命中（和'命中'我的意思是发现一个XML文件包含被搜索的术语），我需要访问到围绕搜索词被发现的地方的措辞。举例来说，如果我有有在它下面的XML文件：

<根>我们认为这些真理是不言而喻的：人人生而平等 < /根>

和我搜索了“不言而喻”一词，然后我需要能够返回大约20个字符前后搜索词的位置。我只提出了最后一点，因为 - 无论如何 - 根据我的经验 - SQL Server的全文索引是有限的，因为它只能告诉你一个术语/单词/短语是否位于特定文档中（假设文档存储在一个SQL Server 2008文件流），它不能告诉你词/词/短语所在的上下文。

任何帮助将不胜感激！谢谢！

Answer 1

看看Solr项目。一个不成熟但非常有前途的替代方案是Elastic Search