Написал функцию, чтобы сделать это только сейчас. Вы хотите пройти:
Входы:
Текст документа
Это полный текст документа, из которого вы берете фрагмент. Скорее всего, вы захотите удалить любой BBCode / HTML из этого документа.
Исходный запрос
Строка, введенная пользователем при поиске
Длина фрагмента
Длина фрагмента, который вы хотите отобразить.
Возвращаемое значение:
Начальный индекс текста документа, из которого будет взят фрагмент. Чтобы получить фрагмент, просто сделайте documentText.Substring(returnValue, snippetLength). Преимущество этого в том, что вы знаете, что фрагмент взят из начала / конца / середины, так что вы можете добавить некоторые украшения, например ..., если хотите в начале / конце фрагмента.
Производительность
A resolution, установленный на 1 , найдет лучший фрагмент , но перемещает окно на 1 символ за раз. Установите это значение выше, чтобы ускорить выполнение.
Tweaks
Вы можете работать score так, как вы хотите. В этом примере я сделал Math.pow(wordLength, 2) в пользу более длинных слов.
private static int GetSnippetStartPoint(string documentText, string originalQuery, int snippetLength)
{
// Normalise document text
documentText = documentText.Trim();
if (string.IsNullOrWhiteSpace(documentText)) return 0;
// Return 0 if entire doc fits in snippet
if (documentText.Length <= snippetLength) return 0;
// Break query down into words
var wordsInQuery = new HashSet<string>();
{
var queryWords = originalQuery.Split(' ');
foreach (var word in queryWords)
{
var normalisedWord = word.Trim().ToLower();
if (string.IsNullOrWhiteSpace(normalisedWord)) continue;
if (wordsInQuery.Contains(normalisedWord)) continue;
wordsInQuery.Add(normalisedWord);
}
}
// Create moving window to get maximum trues
var windowStart = 0;
double maxScore = 0;
var maxWindowStart = 0;
// Higher number less accurate but faster
const int resolution = 5;
while (true)
{
var text = documentText.Substring(windowStart, snippetLength);
// Get score of this chunk
// This isn't perfect, as window moves in steps of resolution first and last words will be partial.
// Could probably be improved to iterate words and not characters.
var words = text.Split(' ').Select(c => c.Trim().ToLower());
double score = 0;
foreach (var word in words)
{
if (wordsInQuery.Contains(word))
{
// The longer the word, the more important.
// Can simply replace with score += 1 for simpler model.
score += Math.Pow(word.Length, 2);
}
}
if (score > maxScore)
{
maxScore = score;
maxWindowStart = windowStart;
}
// Setup next iteration
windowStart += resolution;
// Window end passed document end
if (windowStart + snippetLength >= documentText.Length)
{
break;
}
}
return maxWindowStart;
}
К этому можно добавить гораздо больше, например, вместо сравнения точных слов, возможно, вы захотите попробовать сравнить SOUNDEX, где вы сопоставляете совпадения с soundex меньше, чем с точными совпадениями.