关于简易通配符与jruby

机制

简易通配符现在有两个：.和*。

点号用来跳过任意一个字符，星号用来跳过任意长度（0~n）的内容。

点号的机制是：在二进制串的当前位置解码一个字符，然后将之按照编码格式再编码，得到该字符的字节长度，最后跳过那个字节长度。星号则是跳过任意的字节长度。

错误匹配的Bug

如上，简易通配符的机制比较简单，就是跳过一些字节再进行字节查找。

不可避免地，会出现错匹问题。比如：

Charset _charset = Charset.forName("GB18030"); //编码是 GB18030
BU.printBytes("崭".getBytes(_charset)); // 0xd5,0xb8,
BU.printBytes("刚刚".getBytes(_charset)); // 0xb8,0xd5,0xb8,0xd5,

可见“刚刚”二字的中间两个字节正好是“崭”字的全部字节，那么在含有“刚刚”的文本中，以二进制级别查找“崭”字，就会发生一个错匹。

在词条搜索中，我用正则表达式检查来规避这个问题。即把查找到的二进制内容全部编码成字符串，把简易通配语句转换成正则表达式，再进行正则校验。

但是在全文搜索中，“二进制内容全部编码成字符串”似乎是个很耗时的操作，所以暂时没有加入校验的步骤。

新的jruby/joni正则表达式

问题重重