Re: [apache-talk] словоформы

[Konstantin Tokar <tokar@xxxxxxxxxxxxxxxxx>]

> Просто - это как?  Как эти хеши вообще устроены - это где-то описано или
> надо в исходниках htdig-а разбираться?
> 

Хэш - пара (ключ-значение), htdig сохраняет их в файлах, в нескольких
форматах. Самый удобный - Berkeley DB. Смотреть документацию на gdbm -
/gdbm/ в любом GNU архиве, Berkeley DB - http://www.sleepycat.com/.

Когда пользователь дает слово, список словоформ можно получить, выбрав
из word2root нормальную форму и выбрав из root2word все модификации:
my @words = $root2word{word2root{$word}};

Плохо, что хэши большие, в них не все  слова, поэтому полезнее уметь
получать словоформы по какому-то алгоритму. Если товариши сделают
общедоступным алгоритм, им надо поставить памятник при жизни. Но как
рабочее средство хэши можно использовать.

Вот пример чтения и распечатывания хэша для Berkeley DB ( для остальных
хэшей, а их много, практически такой же текст, за исключением строки
tie).

#!perl
use DB_File;
use strict;
my %h;
  tie %h, 'DB_File', "root2word", O_RDONLY, 0644, $DB_HASH;
  my ($key, $val);
  while ( ($key, $val) = each %h ) {
   print "$key -> $h{$key}\n";
  }
untie %h;



-- 
Konstantin Tokar (http://www.mpei.ac.ru/tokar)
=============================================================================
=               Apache-Talk@xxxxxxxxxxxxx mailing list                      =
Mail "unsubscribe apache-talk" to majordomo@xxxxxxxxxxxxx if you want to quit.
=       Archive avaliable at http://www.lexa.ru/apache-talk                 =