阿华代码，不是逆风，就是我疯
你们的点赞收藏是我前进最大的动力！！
希望本文内容能够帮助到你！！
目录
文章导读
零：项目结果展示
一：导入
二：问题引入
1：情景引入
2：思考
3：处理设计
（1）问题总结
（2）设计
（3）核心思路
三：代码讲解
1：search方法
2：mergeResult
（1）Pos定位类
（2）看图说话
（3）步骤拆解
四：前后优化结果对比
文章导读
阿华将发布项目复盘系列的文章，旨在：
1：手把手细致带大家从0到1做一个完整的项目，保证每2~3行代码都有详细的注解
2：通过文字+画图的方式，对项目进行整个复盘，更好的理解以及优化项目
3：总结自己的优缺点，扎实java相关技术栈，增强文档编写能力
零：项目结果展示
项目目前已经上线，小伙伴们可以进行使用！！！
Java 文档搜索
简述：在我的搜索引擎网站，用户进行关键字搜索，就可以查询到与这个关键字相关的java在线文档，（包含标题，关键字附近的简述，url），用户点击标题，即可跳转到相关在线文档，适用于JDK17版本。
一：导入
在前文（8）中我们使用停用词表对用户的搜索词句进行了过滤，并且在后端处理正文描述的时候使用正则表达式进行优化，让返回结果更加合理。本篇文章将会有点烧脑~
二：问题引入
1：情景引入
这里我们同样搜索array空格list
惊奇的发现array这个文档返回了两次，什么鬼~~！！
2：思考
为什么一个文档会返回两次。想后端处理逻辑，我们拿到array这个词，在倒排索引中返回一堆docId；再拿到list这个词，再在倒排索引中返回一堆docId
注：（这里拿到的其实是一个集合，里面有好多Weight对象，对象里包含docId和weight权重，这里这么说是方便大家理解）
思考：那有没有一种可能就是说，一个文档中既包含array，又包含list，所以这个文档被查到了两次，就返回给前端两遍，显然，这种情况是非常有可能的！！
不多bb直接上图，这里图解可能更清楚。
3：处理设计
（1）问题总结
①一个文档不能出现两次
②像Array.html这样的文档，同时包含多个分词结果，意味着这个文档的“相关性”更高——所以就应该提高这个文档的权重！！
设计
（2）设计
①去重：把多个分词结果触发出来的文档，按照docId进行去重
②权重合并
（3）核心思路
①把分词结果进行排序处理（按照docId升序排序）
②对于docId相同的情况，进行权重的相加
注意：这里的分词结果可能不止两个，当有多个的时候，每一个分词都对应一个list集合，这里就是多路数组的归并了。
这里不理解的看下面这个图文字
不多bb上图理解
三：代码讲解
1：search方法
不要捉急，我们一点点的看代码
在search方法中我们使用mergeResult方法来进行合并，这里的参数传递，可以理解成把所有查到的docId相关文档作为参数进行传参，实际上传的是一个双重集合，这个集合中装的全都是Weight对象
public List<Result> search(String query){
//1：对query分词
List<Term> oldTerms = ToAnalysis.parse(query).getTerms();//未过滤的分词结果集合
List<Term> terms = new ArrayList<>();//过滤后的分词结果集合
//针对分词结果，使用暂停词表进行过滤
for(Term term : oldTerms){
if(stopWords.contains(term.getName())){
continue;
}
terms.add(term);
}
//2：对分词查倒排
List<List<Weight>> termResult = new ArrayList<>();
// List<Weight> allTermResult = new ArrayList<>();
for (Term term : terms){
String word = term.getName();
List<Weight> invertedList = index.getInverted(word);//如果查不到就返回一个null
if(invertedList == null){
continue;
}
// allTermResult.addAll(invertedList);//把集合中所有Weight对象都扔到allTermResult中
termResult.add(invertedList);
}
//3:[合并]对多个分词结果处发出的相同文档，进行权重合并
List<Weight> allTermResult = mergeResult(termResult);
//4: 按权重降序排序
allTermResult.sort(new Comparator<Weight>() {
@Override
public int compare(Weight o1, Weight o2) {
return o2.getWeight() - o1.getWeight();//降序排列
}
});
//5:查正排,构造出想要的Result，返回结果
List<Result> results = new ArrayList<>();
for(Weight weight : allTermResult){//对每一个Weight都构建result,可能最后的结果会很多，但是用户一般只看第一页查询出来的信息，一般懒得翻页
DocInfo docInfo = index.getDocInfo(weight.getDocId());//获取当前Weight对应的文档信息
Result result = new Result();
result.setTitle(docInfo.getTitle());
result.setUrl(docInfo.getUrl());
// result.setDesc(docInfo.getContent());//很明显把正文全部返回不合理
result.setDesc(GenDesc(docInfo.getContent(),terms));//搞个正文简述，这个词前60个字符为起始，往后截取160个
results.add(result);
}
return results;
}2：mergeResult
（1）Pos定位类
用来描述，我们Weight对象所在的位置
static class Pos{
public int row;
public int col;
public Pos(int row , int col){
this.row = row;
this.col = col;
}
}（2）看图说话
搞一个优先级队列，比较规则就是，docId值更小的往里面放
（3）步骤拆解
①对每一路按docId的升序给Weight对象排个序
②new一个集合用来存放最后的Weight对象的合集
③把每一行的第一个元素放进队列中（初始化）
④优先级队列的比较规则是docId升序排列，放的是Pos对象也就是Weight对象的位置！！
⑤当队列不为空时，循环弹出元素Pos，找到对应的Weight对象，将这个Weight对象与我们target集合中最后一个位置的Weight对象进行对比看是不是同一个对象，若不是则直接加入集合，若是则合并权重。
⑥指针移动
喵喵喵~~妙脆角！跟着我的注解，看着图，敲一遍代码会更清楚内部的一个逻辑！
private List<Weight> mergeResult(List<List<Weight>> source) {
//把多路合并成一路
//1:先给每一路按升序排个序
for (List<Weight> curRow : source){
curRow.sort(new Comparator<Weight>() {
@Override
public int compare(Weight o1, Weight o2) {
return o1.getDocId()- o2.getDocId();
}
});
}
//2:借优先级队列合并多路
List<Weight> target = new ArrayList<>();
PriorityQueue<Pos> queue = new PriorityQueue<>(new Comparator<Pos>() {
@Override
public int compare(Pos o1, Pos o2) {
Weight w1 = source.get(o1.row).get(o1.col);//用下标找到Weight对象
Weight w2 = source.get(o2.row).get(o2.col);
return w1.getDocId() - w2.getDocId();
}
});
//2.1:初始化队列——把每一行第一个元素放到队列当中
for(int row = 0 ; row < source.size() ; row++){
queue.offer(new Pos(row,0));
}
//2.2:循环取队首元素（也就是当前若干行中最小的元素）
while(!queue.isEmpty()){
Pos curMinPos = queue.poll();
Weight curWeight = source.get(curMinPos.row).get(curMinPos.col);
//2.3：检查当前的Weight对象，与上一个插入到target中的对象是否是相同的对象，这里可以用Weight对象中的docId作为比较依据
if(target.size() > 0){
Weight lastWeight = target.get(target.size()-1);
if(lastWeight.getDocId() == curWeight.getDocId()){
//文档id若相等则合并
int weightSum = lastWeight.getWeight() + curWeight.getWeight();
lastWeight.setWeight(weightSum);
}else{
//文档id不相等就直接入target
target.add(curWeight);
}
}else{
//若当前的target为空，就直接加入
target.add(curWeight);
}
//2.4:考虑移动光标，当前元素处理完了之后，要把对应的这个元素光标往后移动，取这一行的下一个元素
Pos newpos = new Pos(curMinPos.row , curMinPos.col+1);
if(newpos.col > source.get(newpos.row).size() - 1){
//说明光标已经超出这一行的范围了，到达末尾了，这一行就处理完了
continue;//直接进入下一次循环
}
//否则把新的坐标扔到队列当中
queue.offer(newpos);
}
return target;
}四：前后优化结果对比
暴减500条结果，说明有200多个结果都是重复的。
至此Java文档搜索引擎博客讲解就结束了，这里的图解和测试，花费了阿华很大的精力，希望这个系列能够帮助到你~~塔塔开！
