圣经经文搜索定位功能的考虑

自己的圣经不熟，很多经文章节只知道大概，不知道确切怎么说，另外也记不住到底是在那卷书哪张哪节。因此需要电子版圣经搜索工具。

神同在网址( http://godwithus.cc/sites/)的“圣经查经”分类目录下现在收录了31个圣经相关的网站。自己常用的有bbintl.org，速度快，但是只支持但关键词搜索。bible.fhl.org，有原文字型和多语言对比，www.fuyincn.com有原文编号和引用，http://www.zhenlifuyin.com支持多关键词搜索（小于3个关键词），http://www.bodani.cn/
有很多的研经资料，REN弟兄的yawill.com更是非常的全和支持多关键词搜索（可以大于三个关键词），就是访问速度比较慢。

我尝试使用谷歌定制搜索进行圣经经文的模糊搜索定位godwithus.cc/bible，发现效果并不好。

因此再考虑。

前段时间看过关于分词技术，全文搜索，他要提高效率，但是汉语分词过于复杂且不准，其实谷歌定制搜索就是使用了这个技术的。

对搜索圣经工具的需求，我个人想有4个，

1 多关键词精确搜索 （bbintl.org只支持单关键字，不方便）。我经常是大概记得有句经文，但是忘记在哪里，也不确切的记得内容。

2 经文模糊搜索。

3 多关键词跨章节节搜索。这个有一定的需求，但是不高。

4 去除标点符号。例如”是就说是“，圣经中有两处，雅各说的是 ”是就说是“，但是耶稣说的是”是，就说是“，多了个逗号。

 

汉字虽然GB2312只有6763个双字节字和682个其他字型，GBK更多21003个双字节CJK汉字和883个图形符号，GB13030编码的字就更多，27484个汉字，但是汉语词汇量却大得惊人。

汉语一部普通的《新华字典》所收单字（含繁体、异体）是一万一千一百个左右，清初所编的《康熙字典》所收汉字是四万七千多个，最近出的《汉语大字典》所收汉字也才五万六千个。

第五版现代汉语词典收录词汇 全书收词约65000条。

而基督教词汇，通过整理基督教输入法的词汇，目前我有5千条（5091条），这5千条跟那65千条应该基本上不重合，因此如果要做主内全文搜索，要做分词，词库要至少7万条记录。

而圣经章节总共只有3万条(31102个记录）。

 

每一节平均算20个字，如果使用UTF-8编码，大概60个字节（每个字按照3个字节算）。

当然索引关键词所在存储空间会很小，但是，因为这些词会在很多地方被引用，比如平均被引用10次，每一次每个ID按照4个字节算，那么每个索引记录的字节大概50字节左右。

 

因此我觉得从效率上讲，对于单个关键词查询全文索引和LIKE应该差不多。

 

如果是对于多关键词查询，对于全文搜索，他还是要所有7万条记录，而对于LIKE,我只要从第一次查询的子集里嵌套查询即可，记录数应该可以减小到1000以下。

第三个关键字，更是这样。

所以多关键字查询，反倒是LIKE效率更高。

另外分词技术有很多难题还没解决，比如新词的考虑。

所以对于圣经经文定位功能，我觉得精确搜索更好。

当然如果不是圣经经文定位，查询百科博客主页空间论坛等，是要使用分词技术的。