#43 的视图不错，功能性合理很多。虽然按钮和 context 出来的框边距有点怪。

另外现在搜索结果的信息权重有点奇怪，影片标题在最重要的位置，时间感觉也只要开始的时间精确到秒就足够。

http://33.agilestudio.cn/?videoKeyword=%E9%A3%9E%E5%B1%8B&subtitleKeyword=how%20dare%20you&page=1&limit=20
这个一排飞屋里混了一个飞鹰计划，搜索结果的权重好像也有点小问题。
可以考虑插一个影片的搜索结果列表，方便用户精确到某部影片，进而只显示该影片内的台词。

求个码

考虑过类似的产品，但数据量感觉会很大，还有版权问题，所以没有实施。
还想过有几个问题点：
通过字幕找到的画面，前后会有一些误差，如何定位到截图需要的具体帧。
如果返回视频结果，版权问题怎么规避。
另外也考虑过直接绕过无效的影片源，直接让用户提供现成的截图或片段，再反向 OCR 去提取字幕。这样还解决了片段重要程度的权重问题。

@Dvel 对对对
我一开始 (?!\.|\d) 这个没写对，老是排除错误。

@JCZ2MkKb5S8ZX9pq 不过实际试下来，前缀种类有点多，最好还是能去后缀，或者去重。

@calmzhu 先在前面加了[>\s]凑合一下

@calmzhu 就是有一些含 html 的情况，也有不含的，想搞个通用的。

@calmzhu
未必在 td 里，另外你前面的零宽是不是指 td 右侧的括号？(?<=>)

@limboMu
感觉例 2 里，在 max/min 这类排序的可能会有提高，但 push/addtoset 感觉索引可能就没啥用。不知道这么理解对不对。

@limboMu
有些 log 是时间开头，毫秒结尾的。能看到完整的记录内容。
有些是中断的，只有后半段，请问知道为什么嘛？

另外不知道有没有 log 分析工具，我找找看。

扫码加群做私域

好像已经过了找到自己 id 就特别高兴的年纪……

微软的 powertoys 有新增一个搜索工具，类似 listary 和 everything，比较像 mac 的 spotlight，还在陆续完善中，有兴趣可以试试。

说出来你可能不信，我没用过 sql……
不过 mongo 的话，有 aggregate + $group，具体你可以根据需求搜看看。

python cook book 好像有提过这个
但以我平时写的那些小破代码来说，可读性和直观程度更加重要一些。优不优化区别不大，真搞到需要优化了，我应该也能有预算找人帮我整个重构了。

@dtgxx 嗯，看了下的确没有先 compound 然后再转换的方法。那就等于全部数据要预处理，那是怎么都快不起来了。
去重的话感觉也是先建非 unique 的 index，然后排序去重能快一点。不过你这个量是满夸张的。

@dtgxx 是用

createIndex({name:1,gender:1,age:1})
如果是这种是可以重复的吧？

加了{unique: true}的话倒不清楚，没用过这个，查询会更快吗？
我去试试看这个。

也可以考虑初期先导入，用起来再说，日后慢慢去重做 unique 吧。

@dtgxx 20 楼说的看了眼，学到了。但感觉不管哪种去重，查找的花销总归是难免的，不如先全部丢进去再说了。可以以后慢慢处理。

> 但是联合唯一索引在导入数据之后有重复数据就无法创建了
这个没有看懂，如果是 mongo 自带的 index 不是可以重复的吗？

需求没看很懂，唯一索引是建一个单独的字段，还是 createIndex ？
如果碰到重复，处理逻辑是什么样的？

另外有个比较基本的差别，insert_many 比逐条插入要快很多。可以考虑先 createIndex 然后批量导入，最后再说处理重复，不知道能不能行。