这里提供一个简单的倒排索引的Python代码示例:
import hashlib
# 定义全局倒排索引字典
inverted_index = {}
# 将文档加入倒排索引
def add_to_index(file_path, keywords):
# 对文件名进行哈希加密
hashed_file_path = hashlib.md5(file_path.encode('utf-8')).hexdigest()
# 如果该文件已经在倒排索引中,则将关键词添加到该文件的关键词列表中,否则创建新项
if hashed_file_path in inverted_index:
inverted_index[hashed_file_path]['keywords'] += keywords
else:
inverted_index[hashed_file_path] = {'file_path': file_path, 'keywords': keywords}
# 根据关键词在倒排索引中检索文档
def search_in_index(keyword):
# 遍历所有倒排索引项,找到包含该关键词的文档
for item in inverted_index.values():
if keyword in item['keywords']:
print("Found in file:", item['file_path'])
# 示例调用代码
# 假设我们有两个文本文件,每个文件的关键词如下:
# file1.txt: ['apple', 'orange', 'banana']
# file2.txt: ['apple', 'pear', 'peach']
# 加入倒排索引
add_to_index('file1.txt', ['apple', 'orange', 'banana'])
add_to_index('file2.txt', ['apple', 'pear', 'peach'])
# 检索'apple'
search_in_index('apple') # 结果应该包含'file1.txt'和'file2.txt'
# 检索'orange'
search_in_index('orange') # 结果应该只包含'file1.txt'
在这个示例中,我们使用了Python自带的hashlib
库进行文件名加密。在实际使用中,我们可能需要根据具体情况选择更强的加密算法,以确保索引的安全性。