正文索引(Text Indexing)处理的就是“建立一个数据结构以提供对文本内容的快速检索”。

方法：词索引(word  index)与 全文索引(full-text index)

词索引

词索引基本思想

从正文中抽取出关键词，用这些关键词组成适合快速检索的数据结构，适用于可以很容易解析成一组词的集合的文本，适用于英文(不适用于中文等东方文字)

全文索引

全文索引基本思想

把正文看作一个字符串，在数据结构中记录子字符串的开始位置，查询就可以针对正文中的任何子字符串，可以对每个字符建立索引,使查询不再限于关键词，这会需要更大的空间

词索引使用最广泛

一个有序的关键词列表,每个关键词指向一个倒排表，指向该关键词出现文档集合以及在文档中的位置

如何建立倒排表

第一步，将所有文档文件的正文分割成多条记录，记录大小取决于程序的需要

（比如：定长的块、段落、章节）

第二步，给每条记录赋一组关键词

从记录中抽取关键词(人工或者自动)

第三步，建立正文倒排表、倒排文件

输入关键词的集合，对于每一个关键词建立其倒排表，所有的倒排表存入文件

如何使用关键词倒排表

第一步，在倒排文件中检索关键词。

第二步，如果找到了关键词，那么获取文件中的对应的倒排表，并获取倒排表中的记录

倒排文件的优劣

优：高效检索，用于文本数据库系统

劣：支持的检索类型有限 

        检索词有限

        空间代价往往很高