中文搜索解决方案 tg--in

擅长于非（如、、和）。我们制作了一个用于聊天的网页工具。使用的数据来自聊天，以 HTML 格式。

背景

官方翻译平台新增简体中文/繁体中文。

官方终于愿意稍微关注一下中文用户了，总体来说这是一件好事。因此感觉官方支持中文搜索指日可待了。

但现在要想在tg上搜索中文，还是得靠广大劳动人民的辛勤劳动和不懈的热情，比如有的群员打字带空格，大家也都见过，已经不奇怪了。

在官方没有提供数据导出工具之前（GDPR 出台之前），我做过一个中文搜索方案叫 tg-，可以搜索某个账号下所有可访问的数据。不过这个方案搜索范围（目前）比较小，只能搜索聊天导出的数据，所以取名 tg--lite。

相较于前作，本方案充分利用了官方的HTML导出格式（桌面客户端导出），更加人性化、简单易懂，方便广大民众使用。

使用

例如。

这是一个不断推送大量新消息的渠道，推送率有时远高于普通人的阅读率。

有些直接打开“Home.html”就可以正常运行，比如手头的64.08b（Win-64bit）

但是，CORS 确实很严格。对于 AJAX，您可以在本地打开服务器，但建议暂时禁用 CORS。例如，手头上的 67.0.3396.99 (32 位)

暂时关闭CORS的教程本地开启服务器非常简单，下载caddy，直接在文件夹里打开服务器，然后输入：2015/Home.html。

比如你已经安装了，在文件夹下打开-m http.，输入：8080/Home.html就可以了。

打开网页

然后你可以搜索

阐明

问：既然它是以 HTML 形式导出的，我们不能只使用 CTRL+F 吗？

A：如果聊天记录少于1000条，建议按CTRL+F

但是按照 tg 桌面导出格式，当一页（一个 html 文件）超过 1000 条消息时，超出的部分会分成下一页，比如第二页就放在 .html 中。一些大型团体导出几百页的情况并不罕见。这让 CTRL+F 很不方便。

对于其他可能的方法，请查看其他解决方案

因为加载了两个在线资源，所以需要网络连接，如果想离线使用，可以找一个动手能力强的同学帮你下载两个在线资源，改好路径，就可以离线使用了。

不需要

首次打开时会占用较高的CPU/内存，聊天记录越多，耗时越长，因为程序首次运行时需要加载并分析大量数据。

后续每次打开或者刷新都不会占用跟第一次一样的CPU/内存，因为还没有缓存功能，呵呵。

当我在自己的电脑上运行它时，运行速度就落后了。

我不知道为什么。我建议你使用运行。

我是 JS 初学者，这是我的第一篇 JS 作品。写得不好，请多包涵/指正。请 PR

规划思路/实施原则

由于官方方法的输出是HTML，因此精简版本只是使用前端方法完成。

JS 库和框架太多了，很烦，但是 () 原生的 API 又那么强大，因为不喜欢 npm 和 .json，原本打算不用任何库，结果发现确实很好用。

有了@的帮助，就不需要任何库了。

总体思路和一些细节实现参考了hexo-theme中内置的搜索插件。

加载数据和生成索引是我自己的想法：使用ajax将原始数据加载到临时的DOM中，然后解析DOM并输入生成搜索所需的结构化数据（索引）。

稍后添加

缺点/后续步骤

表现：

看起来非常耗性能。所以我建议不要搜索聊天记录太长的聊天。

：由于使用 fetch API 替换了 的 ajax，因此做出了许多改进

缓存：

我考虑过将索引缓存存储在内部。但是上限只有5M左右，不够用。

MDN 已经给出了一些针对小问题的建议，以后我会仔细看看。

如果容量还是不够，可以考虑做一个实现文件，不仅在本地目录生成索引文件（一般是json），还可以在后台作为静态web服务器运行，如果以后有重点就和老版本一样了。

我想我可以尝试在这个文件夹中保存一个 .json

排序方式：

例如tg中文版 ，如果您搜索两个单词，一条消息包含 1 个单词一次，另一条消息包含 2 个单词并且 1 个单词重复 3 次。

显然后者地位较高更为公平。

多重性：

将多个文件放入 ./data/ 并在聊天中搜索。

需要标明结果来自哪个聊天记录，对应的数据布局需要调整。

稍后添加

其他选择