文本检索系统-4A：图书馆-优快云博客

本文深入探讨了一种文本检索系统中的图书馆管理模块，详细介绍了LibraryBuilder工具如何组织、清理和存储文本，以及Library对象如何通过多种方法实现文本的检索、存储和管理，包括书签功能、元数据生成和文本段落的处理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

问候，

最后两篇文章介绍了该工具的设计和实现

文本处理器，将文本段落输入到LibraryBuilder。

后一个对象组织，清理和存储输入给它的文本。

最终，LibrayBuilder能够产生一个以主题为主题的库

这部分的内容。

介绍

图书馆管理书籍组。每本书都包含以下章节：

文字段落。对象可以按照给定的压缩方式存储自身

任何OutputStream。给定任何Input-，静态方法可以加载Library对象-

再次流。图书馆可以产生整段书本或

章节或单个文本段落。

图书馆还可以产生“元”数据列表，即它可以产生一个列表

书名或章标题的组名；它也可以产生简单的统计数据

例如图书馆的书籍数量等。

基本上，图书馆可以产生清单。列表是纯列表

文本（字符串）或书签列表。书签代表一个段落

文字，并具有其他功能。

让我们看看它是如何完成的。

库对象

在本文的上一部分中，我们已经看到一个Library构造函数

由LibraryBuikder调用；这是数据的部分和de的构造函数

库对象：


protected String    title;
protected WordMap   wordMap;
protected Section[] groups;    
protected Section[] books;
protected Section[] chapters;
protected String[]  paragraphs;
protected String[]  words;
protected String[]  punctuation; 
protected NotesMap  notesMap; 
public Library(String    title,
           WordMap   wordMap,
           Section[] groups,
           Section[] books, 
           Section[] chapters,
           String[]  paragraphs, 
           String[]  words, 
           String[]  punctuation) {  
    this.title        = title;
    this.wordMap    = wordMap; 
    this.groups        = groups;
    this.books      = books;
    this.chapters   = chapters;
    this.paragraphs = paragraphs;
    this.words      = words;
    this.punctuation= punctuation; 
    this.notesMap   = new NotesMap();
}

这是很多代码，但这只是简单的东西。的所有参数

构造函数存储在成员变量中。如前所述，

是小组，书籍和章节的章节。段落和标点

是字符串。有一个用于唯一单词的String []数组，

WordMap将所有内容粘合在一起。请参阅上一篇文章的内容

这些数组和对象的说明。

另外，NotesMap也被初始化。 NoteMap用于为每个附加文本

文本中的单个段落。这是它的定义：


class NotesMap extends HashMap<Integer, String> { 
    private static final long serialVersionUID = 4627674436919142999L; 
    private boolean modified= false; 
    public void setModified(boolean modified) {this.modified= modified; }
    public boolean isModified() { return modified; } 
    public void put(int paragraph, String note) { 
        String oldNote= get(paragraph); 
        note= (note != null)?note.trim():"";
        note= (note.length() == 0)?null:note; 
        if (note == null) 
            modified|= remove(paragraph) != null;
        else {
            put(paragraph, note);
            modified|= !note.equals(oldNote);
        }
    }
}

基本上，NotesMap是一个简单的Map，它映射Integers（

一个段落）到一个简单的字符串，该字符串存储该段落的注释。

它应用了一些智能功能来检查地图是否被修改。

空文本被视为完全没有文本。修改后的标志可用于检查

是否在不需要时再次保存Library对象

不再。

Library对象实现了一些方便的方法，因此您永远不会

直接自己处理NoteMap对象：


public boolean isModified() { return notesMap.isModified(); }

NotesMap不是一个非常复杂也不是一个非常有趣的类，除了

一方面：它实现了Serializable接口，因为其父类

实现此接口。这是必需的，因为必须保存此类或

与Library对象本身一起加载。

稍后我们将看到Library类本身也实现了Serializable

接口。

书签

如简介中所述，图书馆使用书签来表示

一段文字。这是它的接口定义：


public interface BookMark { 
    public String  getGroup();
    public String  getBook();
    public String  getChapter();
    public String  getParagraph(); 
    public int     getGroupNumber();
    public int     getBookNumber();
    public int     getChapterNumber();
    public int     getParagraphNumber(); 
    public int     getRelativeBook();
    public int     getRelativeChapter();
    public int     getRelativeParagraph(); 
    public void    putNote(String note);
    public String  getNote();
}

如果库为您生成了一个BookMark对象，则可以查询该对象

对于该文本的几个方面，即您可以获取该章的名称

该段是; 您还可以获取该段落的书名

可以找到，并且您可以找到存储书的组的名称。

您当然也可以获取该段落的文本。

段落，章节，书籍和组都有一个数字，从零开始。

有一些方法可以检索那些绝对索引号。那里

还有一些方法可用于检索这些实体的相对编号。

假设第一本书有两章，一本书中有三章，

第二本书。绝对章节编号为0、1、2、3、4，相对章节编号为

章节编号为0、1、0、1、2，即相对章节编号开头

每本书为零。类似的推理也适用于书籍和段落。

请注意，出于明显的原因，没有可用的相对组号。

最后两个方法设置并获得给定段落的可选附加文本

由该书签表示。这两种方法与库一起

委托人isModified（）方法完全屏蔽了NotesMap类，

即，您无需自己处理。

加载和保存库

如果要加载给定InputStream的库，则没有该对象

可用（尚未加载）。这就是为什么Library类实现

两种静态便利方法：一种方法可以加载给定文件名的Library，

另一个方法采用InputStream，从该InputStream加载Library对象。

他们来了：


public static Library read(String name) 
            throws IOException, ClassNotFoundException { 
    FileInputStream fis= null; 
    try {
        return read(fis= new FileInputStream(name));
    }
    finally {
        try { fis.close(); } catch (IOException ioe) { }
    }
} 
public static Library read(InputStream is) 
            throws IOException, ClassNotFoundException { 
    return (Library)new ObjectInputStream(new InflaterInputStream(is)).
            readObject();
}

第一个方法只是尝试打开给定文件名的FileInputStream，然后

将困难的部分委托给第二种方法。第二种方法包装两个

给定InputStream周围的其他InputStreams。第一个包装器/装饰器

扩大输入流。膨胀的输入由ObjectInputStream使用

实际对象构造的包装器。两种方法都可以简单地抛出

IOExceptios当某些读取失败并且可以抛出ClassNotFoundExceptions时

如果InputStream没有任何意义。

第二种方法不会关闭传递给它的流，因为它不拥有

它，也就是说，此方法的调用者对此流有不同的计划，

并关闭它会禁止它。第一种方法创建了OutputStrem

本身，因此它拥有它，因此它自己关闭流。

当然，只有拥有一个Library对象，您才能保存它。因此

写方法不是静态方法。这些方法的逻辑没有区别

从静态加载方法中获得很大帮助。他们来了：


public void write(String name) throws IOException { 
    FileOutputStream fos= null; 
    try {
        fos= new FileOutputStream(name);
        write(fos);
    }
    finally {
        try { fos.close(); } catch (IOException ioe) { }
    }
} 
public void write(OutputStream os) throws IOException { 
    DeflaterOutputStream dos;
    ObjectOutputStream oos= new ObjectOutputStream(dos= new DeflaterOutputStream(os)); 
    oos.writeObject(this);
    oos.flush();
    dos.finish();
}