Simple tokenizer

simple 是一个支持中文和拼音的 sqlite3 fts5 拓展。它完整提供了 微信移动端的全文检索多音字问题解决方案 一文中的方案四，非常简单和高效地支持中文及拼音的搜索。

实现相关介绍：https://www.wangfenjin.com/posts/simple-tokenizer/

用法

首先需要确认你用到的 sqlite 版本支持 fts5 拓展，确认方法是：

select fts5(?1);

然后就可以使用了，具体的例子可以参考 example.sql

开发

编译相关

使用支持 c++14 以上的编译器编译，直接在根目录 ./build-and-run 就会编译所有需要的文件并运行测试。编译输出见 output 目录

也可以手动 cmake:

mkdir build; cd build
cmake ..
make -j 12
make install

代码

• src/entry 入口文件，注册 sqlite tokenizer 和函数
• src/simple_tokenizer 分词器实现
• src/simple_highlight 高亮函数，基于内置的高亮函数改的，让命中的相邻单词连续高亮
• src/pinyin 中文转拼音以及拼音拆 query 的实现

TODO

• 加一些代码注释
• 添加 CI/CD
• 添加 Java 和 Swift 使用的例子，方便在移动端使用
• 部分参数可配，比如拼音文件的路径(已经把文件打包到 so 中)
• 减少依赖，减小 so 的大小
• 给出性能数据