一個搜索引擎如何才能有效地進行一次短語查詢呢？繼續(xù)說“cat sat”這個例子。第一步和平常的多詞查詢 cat sat一樣，從單詞表中獲取每個單詞出現的網頁列表，在這個例子中就是出現在第1頁和第3頁的“cat”；“sat”也一樣，出現在第1頁和第3頁。不過搜索引擎到這里就卡住了。搜索引擎很確切地知道兩個單詞同時出現在頁面1和頁面3上，但沒有辦法來分辨這些單詞是否以正確的順序緊挨著彼此出現。你也許會想，搜索引擎可以返回查看原網頁，看這個短語是否存在。這的確是個可能的解決方案，但效率卻非常非常低。這需要遍歷每一個可能包含這個短語的網頁的全部內容，而且可能有海量這樣的網頁。記住，我們在這里打交道的是一個只由三個頁面組成的極小的例子，真正的搜索引擎必須從數百億個網頁中找出正確的結果。

注意英文單詞的雙引號。——譯者注

詞位置把戲

這一問題的解決方案是讓現代搜索引擎運行良好的首個、真正精巧的思想：索引應該不單單存儲頁碼，還要存儲頁面內的位置。這些位置并不神秘：它們只是代表了一個詞在頁面中的位置。第3個詞的位置是3，第29個詞的位置是29，依此類推。例子中三個頁面組成的數據集如下頁圖所示，還加上了詞位置。圖下面的是索引——由存儲頁碼和詞位置中得出的結果組成。我們稱這種創(chuàng)建索引的方法為“詞位置把戲”（word location trick）。舉幾個例子，以確保大家理解了詞位置把戲。索引的第一行是“a3-5.”。這意味著詞“a”只在數據集中出現過一次，是第3頁的第5個單詞。索引中最長的一行是“the 1-1 1-5 2-1 2-5 3-1”。這一行可以讓你知道，這個數據集中所有出現單詞“the”的具體位置。它在第1頁出現過兩次（位置1和5），第2頁出現過兩次（位置1和5），第3頁出現過1次（位置1）。

你還記得介紹頁內詞位置的目的嗎？是為了解決如何有效地進行短語查詢這個問題。讓我們來看看如何用這個新索引做一次短語查詢。還是和前面一樣，查詢短語“cat sat”。第一步和使用舊索引時一樣：從索引中提取單個詞的位置，“cat”的位置是1-2、3-2，“sat”的位置是1-3、3-7。到這里還好：我們知道短語查詢“cat sat”唯一可能的命中就是在第1頁和第3頁。但與之前一樣，我們還不確定相同的短語是否出現在了這些頁面中——有可能這兩個單詞的確出現了，但并不是以正確的順序彼此相鄰。幸運的是，從位置信息中確認這一點很容易。首先從第1頁開始。根據索引信息，我們知道“cat”出現在第1頁的位置2（這就是1-2的含義）。我們還知道“sat”出現在第1頁的位置3（這是1-3的含義）。但如果“cat”在位置2，“sat”在位置3，我們就知道“sat”緊挨著出現在“cat”之后（因為2之后立即就是3）——因此我們尋找的整個短語“cat sat”必定出現在第1頁，并從位置2開始。