搜索文件别名设计¶
问题:#101
问题¶
内容搜索是文档级别的,并按 SHA-256 对结果去重,而 filename 和 ext 属于单个文件路径。当前 FTS 内容行存储的是最后一次构建索引的路径中的一个文件名,因此搜索结果可能将该过期别名与不相关的当前路径组合在一起。
FTS 契约¶
fts_contents 仅存储文档级别的可搜索数据:SHA-256、tier、text、title 和 author。从虚拟表和 FTSManager.replace() 中移除 filename。文件名搜索仍然是 fts_filenames 和 mineru find 的职责。
产品尚未发布,也没有需要迁移的用户数据库。直接更新 001_init.sql,无需添加迁移或更改 schema 版本。
搜索响应¶
从 SearchResult 中移除路径级别的 filename、ext 和 paths 字段。添加结构化的 files 列表:
JSON 响应始终包含与匹配文档关联的所有文件行。文件按 files.id DESC 排序,这表示反向插入顺序,并且由于主键唯一,因此没有歧义。文档级别的 size_bytes 来自 docs,而不是任意文件行。
没有文件行的已索引文档仍然是 files=[] 的搜索结果。
CLI 渲染¶
过滤仅用于展示:
- 如果至少有一个文件处于活动状态,则显示所有活动文件并隐藏非活动别名。
- 如果没有文件处于活动状态,则显示所有非活动文件。
- 在相应路径后追加
(deleted)或(unreachable)。 - 如果
files为空,则显示File no longer exists.
结果标题在可用时使用文档标题,否则使用 Document <short_id>。JSON 模式不应用 CLI 过滤。
测试¶
覆盖一个 SHA 的不同文件名、确定性的 id DESC 排序、JSON 保留所有状态、CLI 仅活动展示、非活动回退标签、孤立文档结果,以及 search 内容匹配与 find 文件名匹配之间的分离。
本页原文 Markdown:在 AtomGit 查看·内容源自开源项目 mi/MinerU