我們生活中的數(shù)據(jù)分為結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)：
結(jié)構(gòu)化數(shù)據(jù)：具有固定格式或有限長度的數(shù)據(jù)，可以用二維表結(jié)構(gòu)來邏輯表達(dá)實現(xiàn)的纵势，如數(shù)據(jù)庫踱阿，元數(shù)據(jù)等。
非結(jié)構(gòu)化數(shù)據(jù)：指不定長或無固定格式的數(shù)據(jù)钦铁，如辦公文檔软舌、文本、圖片牛曹、XML佛点、HTML、各類報表黎比、圖像和音頻/視頻信息等等超营。也叫全文數(shù)據(jù)。
對于結(jié)構(gòu)化數(shù)據(jù)的搜索：如對數(shù)據(jù)庫的搜索焰手，用 SQL 語句糟描。再如對元數(shù)據(jù)的搜索，如利用windows 搜索對文件名书妻，類型船响，修改時間進(jìn)行搜索等。
對非結(jié)構(gòu)化數(shù)據(jù)的搜索：如利用 windows 的搜索也可以搜索文件內(nèi)容躲履，Linux 下的 grep命令见间，再如用 Google 和百度可以搜索大量內(nèi)容數(shù)據(jù)。
對非結(jié)構(gòu)化數(shù)據(jù)也即對全文數(shù)據(jù)的搜索主要有兩種方法：
一種是順序掃描法：比如在一個項目中找一個接口名為 queryTest 的接口工猜，就是在項目里一個文件一個文件的找米诉，對于每個文檔從頭到尾的去找，直到掃描項目里面的所有文件篷帅。window 的搜索文件內(nèi)容史侣，linux 的 grep 命令就是如此的。小數(shù)據(jù)量的文件還可以接受魏身，如果對于大量的文件惊橱，方法就很慢了。
另一種方法就是通過索引：把非結(jié)構(gòu)化數(shù)據(jù)重新設(shè)計成有一定的結(jié)構(gòu)箭昵，利用結(jié)構(gòu)化的數(shù)據(jù)采取一定的搜索算法加快速度税朴。把非結(jié)構(gòu)化數(shù)據(jù)中提取出的然后重新組織的信息，稱之為索引。比如字典正林，字典的拼音表和部首檢字表就是相當(dāng)于字典的索引泡一，對每一個字的解釋就是非結(jié)構(gòu)化的，如果字典沒有音節(jié)表和部首檢字表觅廓，在茫茫辭海中找一個字只能順序掃描鼻忠。
然而字的某些信息可以提取出來進(jìn)行結(jié)構(gòu)化處理，比如讀音哪亿，就比較結(jié)構(gòu)化粥烁，分聲母和韻母，分別只有幾種可以一一列舉蝇棉，于是將讀音拿出來按一定的順序排列讨阻，每一項讀音都指向此字的詳細(xì)解釋的頁數(shù)。我們搜索時按結(jié)構(gòu)化的拼音搜到讀音篡殷，然后按其指向的頁數(shù)钝吮，便可找到我們的非結(jié)構(gòu)化數(shù)據(jù)——也即對字的解釋。
這種先建立索引板辽，在對索引進(jìn)行搜索的過程叫全文檢索奇瘦。
全文檢索大體分兩個過程，索引創(chuàng)建(Indexing)和搜索索引(Search)劲弦。
索引創(chuàng)建：將現(xiàn)實世界中所有的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)提取信息耳标，創(chuàng)建索引的過程。
搜索索引：通過用戶的查詢請求搜索創(chuàng)建的索引邑跪，然后返回查詢結(jié)果的過程次坡。
