ARTICLE · 1157943
20 万份文档里找一个词,我以前的 40 分钟现在只要 0.2 秒
20 万份文档里找一个词,我以前的 40 分钟现在只要 0.2 秒我电脑里的办公文档，多到自己都数不清。 Word、Excel、PPT、PDF 混在一起，攒了好些年，散在好几个目录里。里面写过方案、写过汇报、写过各种记录，也写过一堆我自己都忘了写过的东西。 麻烦就在"忘"这个字上。 我经常只记得内容，不记得文件名。比如"那份提到过某个数字、某个说法的文档，到底是哪一个"。以前的办法只有一个：靠记忆猜文件名，猜不对就一个目录一个目录地翻。运气不好，半小时就没了。 后来我给自己做了一套本地全文检索。现在的流程是：随手敲两个词，回车，零点几秒出结果，命中的字在预览里直接标黄，双击就打开原文件。 这篇文章讲三件事：为什么系统自带的搜索救不了你；全文检索到底是怎么做到的；以及它能做什么、做不到什么。 
因为它只认文件名。 Windows 自带的搜索，默认只在文件名、路径和部分属性里找，不进文档正文。Word 里写过什么、PDF 第 37 页提到过什么，它一无所知。 于是你会遇到两种结果：搜出来一堆名字里带关键词的文件夹，打开一看都不是你要的；或者干脆什么都没搜到。 还有一个更现实的问题：它慢。目录一多、盘符一大，"正在搜索"能转很久——因为它是一个文件一个文件去看的。 第一步，抽正文。把 26 类办公文档里的文字抠出来，只留文本，图片、排版、页眉页脚全都不要。这一步最慢，但只需要做一次。 第二步，建索引。把正文切成两字一组的词组，做出一张"哪个词 → 出现在哪些文档里"的倒排表。搜索引擎用的就是同一套原理。 第三步，查询。你输入两个词，程序不是去几万个文件里逐个翻，而是直接查那张倒排表，几毫秒就知道该拿哪几篇出来。 所以"秒级"不是优化出来的，是这套结构的必然结果——只要索引建好了，查询有多快基本跟文档总量无关。 先说清楚：下面是量级参考，不是跑分承诺。电脑不同、文档多少不同，结果会有差别。 常见关键词的检索，通常在 0.1~0.3 秒之间返回。它跟文档总量关系不大——两万份和二十万份的差别，远没有你想象的那么大。 会明显慢一些的有三种情况： · 通配符查询（比如"汇总*报告"）：要遍历一遍词表，通常一到两秒，第一次碰到还没读过的数据时可能到三秒。 · 什么都不填、按大小列出全部文件：要一条条数过去，文档多的时候一两秒。 · 第一次建索引：按小时计（这一点下面还会单独说）。 另外两件事直接决定用起来"顺不顺"，值得单独讲： 启动时窗口立刻就能用，索引在后台继续挂载；挂载期间输入的关键词会自动排队，挂完立刻补跑，界面不会卡住。 打开一份几十万字的大文档需要一两秒，但解析在后台进行，界面照样能操作；同一篇再打开走缓存，几乎瞬间。 格式：Word（doc / docx / dot / wps / rtf）、Excel（xls / xlsx / xlsb / et / csv）、PPT（ppt / pptx / dps）、PDF、OFD、txt、md、Visio、OneNote，一共 26 类。 多词关系可以切换：空格分开的多个词，既能选"都要包含"，从窄到宽找得准；也能选"任一包含"，放宽条件扩大范围。选择会被记住。 通配符：星号匹配任意内容（最多跨 128 个字），问号最多匹配 1 个字。 四项筛选：类别、模块、年份、格式，每一项都可以多选。而且不管你上面的关键词切成"与"还是"或"，筛选永远是硬条件，不会跟着被放宽。 折叠同名副本：同一份文件被复制过十几遍是常态，默认折叠显示，被折叠的份数会如实标注。 空搜索：什么都不填直接点搜索，按文件大小从大到小列出全部文件——用来找"谁占了我的硬盘"意外地好用。 结果里选中一条，右侧直接显示正文预览，命中词标黄底并自动滚到第一处，按 F3 在命中间跳转；双击就用默认程序打开原文件。 慢的地方有三处，我不打算藏： 第一，通配符查询偶尔会慢。原因上面说过，是词表遍历加上第一次读盘。 第二，扫描件和图片里的字，查不到。如果 PDF 是扫描出来的图片、或者 Word 里插的是截图形式的表格，正文里就没有可检索的文字。它不做 OCR，这是明确的能力边界，不是偶发问题。 第三，第一次建索引很慢。几万份文档抽正文加建索引，是按小时计的，期间占 CPU 和磁盘。但这是一次性的；之后日常用"更新索引"，只处理新增和改动的文件。 全程在本机完成。程序不联网、不上传任何文件，也没有账号，不需要登录，不要手机号。 索引和正文库就是你自己目录下的几个文件夹，可以整体复制到别的电脑继续用，也可以整体删掉。 换句话说：你放进去的东西，只有你自己能看到。 六、关于下载
一、系统自带的搜索，为什么不够用
二、所谓"全文检索"，其实就是三步
三、到底有多快
四、它能查什么
五、快在哪，也说清楚慢在哪
六、关于隐私
通过网盘分享的文件：localfile
链接: https://pan.baidu.com/s/1UHWIQlB89L5QeH_T8OTHVQ
提取码: 1q9j