ページ内検索CGI

[0001 名無しさん＠お腹いっぱい。 01/11/23 15:56 ID:kVZIJzDk]

自分のHP内の単語を検索できるCGIを探しています。
どなたかある場所を知っている方はいませんか？

[0015 13 01/12/16 05:11 ID:cvkbkX7u]

>>14
namazu だと文節区切りに chasen を使うか kakasi を使う
かとか、いろいろ考えることありますよね？ 文節を切らな
くてもいいのであれば、日本語コードの統一さえすれば日本
語固有の問題について考える必要はずっと少なくなります。

要するに、文節を考えなければ binary string から binary
string を探す問題に落ちるので、言語依存は少なくなると
いう話です。

[0016 名無しさん＠お腹いっぱい。 01/12/16 06:04 ID:???]

形態素解析無しでってことは、N-Gramとかを
利用したものってことかい？

[0017 名無しさん＠お腹いっぱい。 01/12/16 10:31 ID:???]

文字コードの問題が相当あると思うんだけど

[0018 15 01/12/16 18:11 ID:/rU+i0dx]

>>16
N-gram を明示的に覚えさせるのはスペース食いすぎますよね。
その辺をどうするか、圧縮方法などについても最近いろいろ研
究されてるみたいですけど、フリーの実装は無いかな、と。

>>17
日本語と決め打てば、例えば全て EUC にした後(SJIS との混同
問題はとりあえず考えません)の binary match で OK ですよね？

あとは空白類をどうするか(たぶん全て省いてしまう)と、1 バイト
ずれた時にどうするか(各 EUC 文字の前に 0x7f とか適当に挿入
しておけば OK) を押さえれば問題ないと思うのですが。

[0019 名無しさん＠お腹いっぱい。 02/01/27 15:34 ID:???]

>18
で結局どうなったですか？

[0020 名無しさん＠お腹いっぱい。 02/02/01 14:20 ID:???]

>>18
そんだったらutf-8とかに揃えたほうがよくない？
でなければ、検索に都合のよい独自エンコーディングを作ってしまうか。

[0021 山崎渉 03/01/15 13:55 ID:???]

（＾＾）