JPH10301940A

JPH10301940A - 情報処理装置及びその方法

Info

Publication number: JPH10301940A
Application number: JP9104739A
Authority: JP
Inventors: Yuji Ikeda; 裕治池田; Shiro Ito; 史朗伊藤
Original assignee: Canon Inc
Current assignee: Canon Inc
Priority date: 1997-04-22
Filing date: 1997-04-22
Publication date: 1998-11-13

Abstract

(57)【要約】【課題】異体字や異なる使用文字コードを含むテキス
トデータの検索を効率良く検索することができる情報処
理装置及びその方法を提供する。【解決手段】テキストデータを被検索テキスト保持部
１０１に保持し、保持されているテキストデータを構成
する文字列の各文字を対応する内部コードに内部コード
変換部１０６を用いて被検索テキスト変換部１０２で変
換する。変換された内部コード列を変換前のテキストデ
ータと対応づけて変換テキスト保持部１０３で管理す
る。一方、入力された検索条件に対し被検索テキスト変
換部１０２による変換を行い、変換された検索条件に該
当する変換テキスト保持部１０３に管理されている内部
コードに対応するテキストデータを検索する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、テキストデータを
検索する情報処理装置及びその方法に関するものであ
る。

【０００２】

【従来の技術】文書データ中の全てのテキストデータを
対象として与えられた検索キーを含む文書データを検索
する全文検索装置等の情報処理装置では、大量のテキス
トデータを高速に検索するために、検索対象文書のイン
デックスを予め作成して、インデックスを用いて検索を
行なうインデックス技術が利用されている。インデック
ス技術の一例として、特開平４−２０５５６０公報で
は、文字位置インデックス技術について述べられてい
る。

【０００３】文字位置インデックス技術の基本的な考え
方は、被検索テキストデータ中に出現する文字および文
字列の位置を文字ごとに１ずつ増加する整数で表わすこ
とにある。その上で、各文字および文字列ごとに、当該
文字および文字列をキーとして、当該文字および文字列
が現れる全ての位置を列挙する。このインデックスにお
いて、ある検索文字列を被検索テキストデータから検索
する場合には、当該検索文字列をインデックスのキーと
なっている文字および文字列に分解する。そして、分解
した文字および文字列の位置関係が、当該検索文字列に
おける位置関係に一致する組み合わせを探すことで検索
を行なう。

【０００４】ここで、従来の情報処理装置の機能構成に
ついて、図１１を用いて説明する。図１１は従来の情報
処理装置の機能構成を示すブロック図である。図１１に
おいて、５０１は被検索テキストデータを保持する被検
索テキスト保持部である。５０２は被検索テキスト保持
部５０１に保持されている被検索テキストデータに対し
て、被検索テキストデータ中の文字及び文字列ごとに、
被検索テキストデータ中での当該文字の位置を保持した
インデックスを作成するインデックス作成部である。５
０３はインデックス作成部５０２で作成したインデック
スを保持するインデックス保持部である。５０４は検索
を行う文字列を保持する検索文字列保持部である。５０
５はインデックス保持部５０３に保持されているインデ
ックスを用いて、検索文字列保持部５０４に保持されて
いる検索文字列に一致する被検索テキストデータ中の文
字列を検索する検索部である。５０６は検索部による検
索結果を保持する検索結果保持部である。

【０００５】次に、従来の情報処理装置で実行されるイ
ンデックスを作成するインデックス作成処理について、
図１２を用いて説明する。図１２は従来の情報処理装置
で実行されるインデックス作成処理を示すフローチャー
トである。まず、ステップＳ６０１では、カウンタｃの
初期化を行う。カウンタｃは、処理の対象となっている
文字の位置を示すもので、これを０に初期化する。ステ
ップＳ６０２では、ポインタｐの初期化を行う。ポイン
タｐは、処理の対象となっている文字を指し示すもの
で、これを被検索テキストデータの先頭文字を指し示す
ように初期化する。

【０００６】ステップＳ６０３では、ポインタｐが被検
索テキストデータの最後の文字に達したか否かを判定す
る。最後に達している場合（ステップＳ６０３でＹＥ
Ｓ）、インデックス作成処理を終了する。一方、最後に
達していない場合（ステップＳ６０３でＮＯ）、ステッ
プＳ６０４に進む。ステップＳ６０４では、ポインタｐ
が指し示す位置にある文字について、インデックスの当
該文字の位置リストにカウンタｃの値を追加する。ステ
ップＳ６０５では、カウンタｃの値を１増やす。ステッ
プＳ６０６では、ポインタｐが次の文字を指し示すよう
にポインタｐを進め、ステップＳ６０３に戻る。

【０００７】以上のインデックス作成処理により、例え
ば、図１４に示す文書に対して、図１５に示すようなイ
ンデックスが作成される。尚、図１４及び図１５では、
幾つかの文字以外については表示を省略している。ま
た、図１５の各行が、各文字が現れる位置のリストとな
っている。例えば、文字「田」は、位置０、５、１０、
…に出現していることがわかる。

【０００８】次に従来の情報処理装置で実行される文字
列を検索する検索処理について、図１３を用いて説明す
る。図１３は従来の情報処理装置で実行される検索処理
を示すフローチャートである。まず、ステップＳ７０１
では、検索文字列保持部５０４に保持されている検索文
字列の長さをレジスタｌに代入する。また、カウンタｎ
に１を代入する。例えば、検索文字列が「田淵」である
場合は、ｌ＝２、ｎ＝１となる。ステップＳ７０２で
は、検索文字列保持部５０４に保持されている検索文字
列の１番目の文字について、インデックスの読み込みを
行う。当該文字の文字位置全てを配列１に読み込む。図
１６は、図１５に示したインデックスを用いて検索文字
列「田淵」を検索しているときの配列１の状態を示して
いる。

【０００９】ステップＳ７０３では、レジスタｌの内容
とカウンタｎの内容を比較する。カウンタｎの内容＜レ
ジスタｌの内容である場合（ステップＳ７０３でＹＥ
Ｓ）、ステップＳ７０４に進む。一方、カウンタｎの内
容≧レジスタｌの内容である場合（ステップＳ７０３で
ＮＯ）、ステップＳ７０７に進む。ステップＳ７０４で
は、カウンタｎの値を１増やす。ステップＳ７０５で
は、検索文字列保持部５０４に保持されている検索文字
列のカウンタｎの内容が示すｎ番目の文字について、イ
ンデックスの読み込みを行う。当該文字の全ての文字位
置から（ｎ−１）を減じた値を配列２に読み込む。

【００１０】ステップＳ７０６では、配列１と配列２か
ら、配列１と配列２の両方に存在している値を全て取り
出し、これらの値だけを新たに配列１の値とする。そし
て、ステップＳ７０３に戻る。図１７は、図１６に示し
た配列１と、その配列１に対する配列２において、ｎ＝
２の時の配列１の状態を示している。ステップＳ７０７
では、配列１が空でない場合は、検索文字列が検索され
たことを示す値として１を検索結果保持部５０６に保持
する。配列１が空の場合は、検索文字列が検索されなか
ったことを示す値として０を検索結果保持部５０６に保
持する。そして、検索処理を終了する。

【００１１】以上の検索処理により、上述の例である検
索文字列「田淵」を検索すると、位置５に当該文字列が
あるので、このテキストは検索される。日本語の場合、
語の区切りを容易に求められないため、このように文字
列として一致するテキストを検索する検索方法は有効で
ある。

【００１２】

【発明が解決しようとする課題】しかしながら、上記従
来の情報処理装置では、以下のような問題点があった。・異体字に対して、異なる文字コードが割り当てられて
いるので、使用者にとって同一に扱いたい文字がインデ
ックスでは別に割り当てられてしまう。そのため、異体
字をそれぞれに含む文字列の検索を行なうには、それぞ
れの文字列の論理和検索をしなければならない。また、
この状況で、異体字の存在を意識できなかった場合に
は、使用者が検索したい文字を検索できないことがあ
る。

【００１３】・異種アーキテクチャの情報処理装置の異
なる使用文字コードによって、異なるインデックスを作
成しなければならない。そして、この異なる使用文字コ
ードにおいては、各アーキテクチャに対して独自の拡張
文字を用意している場合があり、この場合においても上
記の異体字で生じる問題が起きる。本発明は上記の問題
に鑑みてなされたものであり、異体字や異なる使用文字
コードを含むテキストデータの検索を効率良く検索する
ことができる情報処理装置及びその方法を提供すること
を目的とする。

【００１４】

【課題を解決するための手段】上記の問題点を解決する
ための本発明による情報処理装置は以下の構成を備え
る。即ちテキストデータを検索する情報処理装置であっ
て、テキストデータを保持する保持手段と、前記保持手
段で保持されているテキストデータを構成する文字列の
各文字を対応する内部コードに変換する変換手段と、前
記変換手段で変換された内部コード列を変換前のテキス
トデータと対応づけて管理する管理手段と、入力された
検索条件に対し前記変換手段による変換を行い、変換さ
れた検索条件に該当する前記管理手段に管理されている
内部コードを検索する検索手段とを備える。

【００１５】また、好ましくは、前記変換手段は、前記
文字列の各文字の内、異体字である文字群には、同一の
内部コードに変換する。また、好ましくは、前記管理手
段は、前記内部コード列の各内部コードの位置に関する
位置情報を作成する作成手段と、前記作成手段で作成し
た位置情報を保持する位置情報保持手段とを備える。

【００１６】また、好ましくは、前記検索手段は、前記
位置情報保持手段に保持されている位置情報を参照し
て、変換された検索条件に該当する前記管理手段に管理
されている内部コードを検索する。また、好ましくは、
前記変換手段は、前記文字列の各文字の内、異なる文字
コード系で対応する文字群には、同一の内部コードに変
換する。

【００１７】上記の目的を達成するための本発明による
情報処理装置は以下の構成を備える。即ち、テキストデ
ータを管理する情報処理装置であって、前記テキストデ
ータを構成する文字列の各文字を対応する内部コードに
変換する変換手段と、前記変換手段で変換された内部コ
ード列の位置に関する位置情報を作成する作成手段と、
前記作成手段で作成された位置情報と前記変換手段で変
換された内部コード列と変換前のテキストデータとを対
応づけて管理する管理手段とを備える。

【００１８】上記の目的を達成するための本発明による
情報処理方法は以下の構成を備える。即ち、テキストデ
ータを検索する情報処理方法であって、テキストデータ
を第１記憶媒体に保持する保持工程と、前記保持工程で
前記第１記憶媒体に保持されているテキストデータを構
成する文字列の各文字を対応する内部コードに変換する
変換工程と、前記変換工程で変換された内部コード列を
変換前のテキストデータと対応づけて第２記憶媒体に管
理する管理工程と、入力された検索条件に対し前記変換
工程による変換を行い、変換された検索条件に該当する
前記管理工程で前記第２記憶媒体に管理されている内部
コードを検索する検索工程とを備える。

【００１９】上記の目的を達成するための本発明による
情報処理方法は以下の構成を備える。即ち、テキストデ
ータを管理する情報処理方法であって、前記テキストデ
ータを構成する文字列の各文字を対応する内部コードに
変換する変換工程と、前記変換工程で変換された内部コ
ード列の位置に関する位置情報を作成する作成工程と、
前記作成工程で作成された位置情報と前記変換工程で変
換された内部コード列と変換前のテキストデータとを対
応づけて記憶媒体に管理する管理工程とを備えることを
特徴とする情報処理方法。

【００２０】上記の目的を達成するための本発明による
コンピュータ可読メモリは以下の構成を備える。即ち、
テキストデータを検索する情報処理装置の制御のプログ
ラムコードが格納されたコンピュータ可読メモリであっ
て、テキストデータを第１記憶媒体に保持する保持工程
のプログラムコードと、前記保持工程で前記第１記憶媒
体に保持されているテキストデータを構成する文字列の
各文字を対応する内部コードに変換する変換工程のプロ
グラムコードと、前記変換工程で変換された内部コード
列を変換前のテキストデータと対応づけて第２記憶媒体
に管理する管理工程のプログラムコードと、入力された
検索条件に対し前記変換工程による変換を行い、変換さ
れた検索条件に該当する前記管理工程で前記第２記憶媒
体に管理されている内部コードを検索する検索工程のプ
ログラムコードとを備える。

【００２１】上記の目的を達成するための本発明による
コンピュータ可読メモリは以下の構成を備える。即ち、
テキストデータを管理する情報処理装置の制御のプログ
ラムコードが格納されたコンピュータ可読メモリであっ
て、前記テキストデータを構成する文字列の各文字を対
応する内部コードに変換する変換工程のプログラムコー
ドと、前記変換工程で変換された内部コード列の位置に
関する位置情報を作成する作成工程のプログラムコード
と、前記作成工程で作成された位置情報と前記変換工程
で変換された内部コード列と変換前のテキストデータと
を対応づけて記憶媒体に管理する管理工程のプログラム
コードとを備える。

【００２２】

【発明の実施の形態】以下、図面を参照して本発明の好
適な実施形態を詳細に説明する。図１は本発明の実施形
態に係る情報処理装置の機能構成を示すブロック図であ
る。図１において、１０１は被検索テキストデータを保
持する被検索テキスト保持部である。１０２は被検索テ
キスト保持部１０１に保持されている被検索テキストデ
ータ中の各文字に対して、後述する内部コード変換部１
０６を用いて、内部コードに変換する被検索テキスト変
換部である。１０３は被検索テキスト変換部により変換
されたテキストデータを保持する変換テキスト保持部で
ある。１０４は変換テキスト保持部１０３に保持されて
いる変換されたテキストデータに対して、変換されたテ
キストデータ中の内部コードごとに、変換されたテキス
トデータ中での当該文字の位置を列挙したインデックス
を保持するインデックス作成部である。

【００２３】１０５はインデックス作成部１０４で作成
したインデックスを保持するインデックス保持部であ
る。１０６は被検索テキストデータや検索文字列を構成
する各文字から、インデックスを構成する内部コードへ
変換する内部コード変換部である。１０７は検索のキー
となる文字列あるいは単語を保持する検索文字列保持部
である。１０８は検索文字列保持部１０７に保持されて
いる検索文字列の各文字に対して、内部コード変換部１
０６を用いて内部コードに変換する検索文字列変換部で
ある。１０９は検索文字列変換部１０８で変換された検
索文字列を保持する変換検索文字列保持部である。１１
０はインデックス保持部１０５に保持されているインデ
ックスを用いて、変換検索文字列保持部１０９に保持さ
れている変換検索文字列に一致する文字列を検索する検
索部である。１１１は検索部１１０による検索結果を保
持する検索結果保持部である。

【００２４】次に本発明の実施形態の情報処理装置の構
成について、図２を用いて説明する。図２は本発明の実
施形態の情報処理装置の構成を示すブロック図である。
図２において、２０１はＣＰＵであり、後述する手順を
実現するプログラムに従って動作する。２０２はＲＡＭ
であり、被検索テキスト保持部１０１、変換テキスト保
持部１０３、内部コード変換部１０６、変換検索文字列
保持部１０９、検索結果保持部１１１と上記プログラム
の動作に必要な記憶領域とを提供する。２０３はＲＯＭ
であり、後述する手順を実現するプログラムを保持す
る。２０４はディスク装置であり、インデックス保持部
１０５を実現する。２０５は情報処理装置の各種構成要
素を相互に接続するバスである。

【００２５】以下、説明していく本発明の実施形態で実
行される処理は、インデックスを作成するインデックス
作成処理と文字列を検索する検索処理の２つに大きく分
かれる。まず、インデックス作成処理について、図３を
用いて説明する。図３は本発明の実施形態で実行される
インデックス作成処理を示すフローチャートである。

【００２６】まず、ステップＳ３０１では、テキストデ
ータの変換処理を行う。被検索テキスト保持部１０１に
保持されているテキストデータの各文字を被検索テキス
ト変換部１０２が、内部コード変換部１０６に渡して、
内部コード変換部１０６で内部コードに変換する。そし
て、すべての文字が内部コードに変換された新たなテキ
ストデータを変換テキスト保持部１０３に保持する。例
えば、図１４に示す文書の各文字を内部コードに変換す
る場合、図５に示すように、「淵」、「渕」、「渊」の
異体字は内部コード変換部１０６で、すべて同一の内部
コード０ｘ３８５に変換される。ステップＳ３０２で
は、カウンタｃの初期化を行う。カウンタｃは、処理の
対象となっている文字の位置を示すもので、これを０に
初期化する。

【００２７】ステップＳ３０３では、ポインタｐの初期
化を行う。ポインタｐは、処理の対象となっている文字
を指し示すもので、これを被検索テキストデータの先頭
文字を指し示すように初期化する。ステップＳ３０４で
は、ポインタｐが被検索テキストデータの最後に達した
か否かを判定する。最後に達している場合（ステップＳ
３０４でＹＥＳ）、インデックス作成処理を終了する。
一方、最後に達していない場合（ステップＳ３０４でＮ
Ｏ）、ステップＳ３０５に進む。

【００２８】ステップＳ３０５では、ポインタｐが指し
示す位置にある文字について、インデックスの当該文字
の位置リストにカウンタｃの値を追加する。ステップＳ
３０６では、カウンタｃの値を１増やす。ステップＳ３
０７では、ポインタｐが次の文字を指し示すようポイン
タｐを進め、ステップＳ３０４に戻る。以上のインデッ
クス処理により、例えば、図１４に示す文書に対して、
図６に示すインデックスが作成される。そして、図６の
各行が、各文字が現れる位置のリストとなっている。

【００２９】次に本発明の実施形態で実行される検索処
理について、図４を用いて説明する。図４は本発明の実
施形態で実行される検索処理を示すフローチャートであ
る。まず、ステップＳ４０１では、検索文字列の変換処
理を行う。検索文字列保持部１０７に保持されている検
索文字列の各文字を検索文字列変換部１０８が、内部コ
ード変換部１０６に渡して、内部コード変換部１０６で
内部コードに変換する。そして、すべての文字が内部コ
ードに変換された新たな検索文字列を変換検索文字列保
持部１０９に保持する。例えば、検索文字列が「田淵」
である場合は、図５に示すように、内部コード「０ｘ２
４６」と「０ｘ３８５」からなる検索文字列に変換され
る。

【００３０】ステップＳ４０２では、変換検索文字列保
持部１０９に保持されている変換された検索文字列の長
さをレジスタｌに代入する。また、カウンタｎに１を代
入する。例えば、変換された検索文字列が、「田淵」で
ある場合は、ｌ＝２、ｎ＝１となる。ステップＳ４０３
では、変換検索文字列保持部１０９に保持されている変
換された検索文字列の１番目の文字について、インデッ
クスの読み込みを行なう。当該文字の文字位置全てを配
列１に読み込む。

【００３１】ステップＳ４０４では、レジスタｌの内容
とカウンタｎの内容を比較する。カウンタｎの内容＜レ
ジスタｌの内容である場合（ステップＳ４０４でＹＥ
Ｓ）、ステップＳ４０５に進む。一方、カウンタｎの内
容≧レジスタｌの内容である場合（ステップＳ４０４で
ＮＯ）、ステップＳ４０８に進む。ステップＳ４０５で
は、カウンタｎの値を１増やす。ステップＳ４０６で
は、変換検索文字列保持部１０９に保持されている検索
文字列のカウンタｎの内容が示すｎ番目の文字につい
て、インデックスの読み込みを行う。当該文字の全ての
文字位置から（ｎ−１）を減じた値を配列２に読み込
む。

【００３２】ステップＳ４０７では、配列１と配列２か
ら、配列１と配列２の両方に存在している値を全て取り
出し、これらの値だけを新たに配列１の値とする。そし
て、ステップＳ４０４に戻る。図７は、上述した検索文
字列「田淵」において、ｎ＝２の時の配列１の状態を示
している。ステップＳ４０８では、配列１が空でない場
合は、検索文字列が検索されたことを示す値として１を
検索結果保持部１１１に保持する。配列１が空の場合
は、検索文字列が検索されなかったことを示す値として
０を検索結果保持部１１１に保持する。そして、検索処
理を終了する。

【００３３】以上の検索処理により、図１４の被検索テ
キストデータに対し、上述の例である検索文字列「田
淵」を用いて検索を行うと、位置０（「田渕」）と位置
５（「田淵」）と位置１１（「田渊」）の異体字を含む
文字列が「田淵」に該当する文字列として検索すること
ができる。以上説明したように、本実施形態によれば、
異体字を同一の内部コードで管理しておくので、異体字
である文字を検索する場合、その異体字に該当するすべ
ての文字を一度に検索することができる。

【００３４】尚、本実施形態においては、インデックス
作成処理と検索処理を同一の情報処理装置で実行する場
合について説明したが、これに限定されるものではな
い。インデックス作成処理と検索処理を異なる情報処理
装置で行ってもよい。この場合の各情報処理装置の機能
構成について、図８と図９を用いて説明する。尚、図８
に示す情報処理装置と、図９に示す情報処理装置は、ネ
ットワーク回線等で接続され互いにデータの授受を可能
とする構成になっている。

【００３５】図８は本発明の他の実施形態に係る情報処
理装置の機能構成を示すブロック図である。図８におい
て、１５０１は被検索テキストデータを保持する被検索
テキスト保持部である。１５０２は被検索テキスト保持
部１５０１に保持されている被検索テキストデータ中の
各文字に対して、後述する内部コード変換部１５０５を
用いて、内部コードに変換する被検索テキスト変換部で
ある。１５０３は被検索テキスト変換部１５０２により
変換されたテキストデータを保持する変換テキスト保持
部である。１５０４は変換テキスト保持部１５０３に保
持されている変換されたテキストデータに対して、変換
されたテキストデータ中の内部コードごとに、変換され
たテキストデータ中での当該文字の位置を列挙したイン
デックスを保持するインデックス作成部である。１５０
５は被検索テキストデータや検索文字列を構成する各文
字から、インデックスを構成する内部コードへ変換する
内部コード変換部である。１５０６はインデックス作成
部１５０４で作成したインデックスを保持するインデッ
クス保持部である。

【００３６】図９は本発明の他の実施形態に係る情報処
理装置の機能構成を示すブロック図である。図９におい
て、１６０１は被検索テキストデータや検索文字列を構
成する各文字から、インデックスを構成する内部コード
へ変換する内部コード変換部である。１６０２は検索の
キーとなる文字列あるいは単語を保持する検索文字列保
持部である。１６０３は検索文字列保持部１６０２に保
持されている検索文字列の各文字に対して、内部コード
変換部１６０１を用いて内部コードに変換する検索文字
列変換部である。１６０４は検索文字列変換部１６０３
で変換された検索文字列を保持する変換検索文字列保持
部である。１６０５は図８に示す情報処理装置で作成さ
れたインデックスを保持するインデックス保持部であ
る。１６０６はインデックス保持部１６０５に保持され
ているインデックスを用いて、変換検索文字列保持部１
６０４に保持されている変換された検索文字列に一致す
る文字列を検索する検索部である。１６０７は検索部１
６０６による検索結果を保持する検索結果保持部であ
る。

【００３７】また、上記実施形態では、内部コード変換
部１０６で異体字を同一内部コードに変換させる処理
（内部コード変換処理：図３のステップＳ３０１と図４
のステップＳ４０１に対応）させることを、図５に示す
ようなテーブル形式のデータで処理する場合について説
明したが、これに限定されるものではない。例えば、Ｒ
ＡＭ等の記憶媒体に図１０に示すようなフローチャート
からなるプログラムを記憶することで実現してもよい。
ここで、図１０に示すフローチャートについて、簡単に
説明する。

【００３８】図１０は本発明の他の実施形態で実行され
る内部コード変換処理の処理フローを示すフローチャー
トである。まず、ステップＳ１７０１で、被検索テキス
ト保持部１０１に保持されている文字をレジスタｃに入
力する。そして、レジスタｃに保持されている文字が異
体字であるか否かを判定する（ステップＳ１７０２〜ス
テップＳ１７０４）。そして、異体字である場合は、そ
の異体字すべてを共通の内部コードに変換し、レジスタ
ｒに入力する（ステップＳ１７０７〜ステップＳ１７０
９）。一方、異体字でなければ、その文字に対応する内
部コードに変換し、レジスタｒに入力する（ステップＳ
１７０５）。ステップＳ１７０６で、レジスタｒに保持
された内部コードを被検索テキスト保持部１０１に保持
されている文字に対応する内部コードとして、内部コー
ド変換部１０６に送る。

【００３９】また、上記実施形態においては、内部コー
ド変換部１０６で異体字を同一内部コードに変換する場
合について説明したが、これに限定されるものではな
い。異種アーキテクチャである情報処理装置の異なる使
用文字コードにおいて、同一内部コードに変換するよう
な構成にすることもできる。例えば、ＵＮＩＸオペレー
ティングシステムとＷＩＮＤＯＷＳオペレーティングシ
ステムといった異種アーキテクチャの情報処理装置では
それぞれ、ＥＵＣ文字コード系とＳ−ＪＩＳ文字コード
系といった異なる文字コード系を用いている。このよう
な場合において、異種アーキテクチャで別々のインデッ
クスを作成すると記憶装置の使用効率が悪くなる。ま
た、最近ではネットワークによって複数アーキテクチャ
のコンピュータが同じ記憶装置を共有することができる
ので、このような状況では、インデックスを共有できる
ことがのぞましい。そのために、内部コード変換部１０
６において、被検索テキスト変換部１０２と検索文字列
変換部１０８から渡される文字のコード系の種類に基づ
いて、以下に示す式で内部コードを変換する。ここで、
ｃ１、ｃ２は２バイトからなる日本語文字コードの上位
バイト、下位バイトをそれぞれ表現している。また、ｆ
（ｃ１，ｃ２）が変換される内部コードの値を示すもの
とする。

【００４０】以上の変換式でＥＵＣ文字コード系とＳ−ＪＩＳ文字コ
ード系のような異なる文字コード系の対応するすべての
文字を同一内部コードに変換することができる。

【００４１】また、上記実施形態においては、ＥＵＣ文
字コード系とＳ−ＪＩＳ文字コード系の文字に対して内
部コード変換部で同一内部コードに変換する場合につい
て説明したが、これに限定されるものではない。Ｕｎｉ
ｃｏｄｅ系や、ＥＢＣＤＩＫコード系などのコード系に
も使用できる。また、これらの２つのコード系に限ら
ず、複数種類のコード系の文字に対して内部コード変換
部で同一内部コードに変換してもよい。

【００４２】また、異なるコード系の文字を内部コード
変換部で変換するのに変換式を用いることで実現した
が、これに限定されるものではない。文字に対応する内
部コードをテーブルとして外部記憶装置に保持し、変換
時に外部記憶装置にアクセスしたり、最初に外部記憶装
置からＲＡＭ等の記憶媒体に読み込んだ後、そのテーブ
ルを参照することで内部コードに変換しても良い。

【００４３】また、上記実施形態においては、被検索テ
キスト保持部１０１、変換テキスト保持部１０３、内部
コード変換部１０６、検索文字列保持部１０７、変換検
索文字列保持部１０９、検索結果保持部１１１をＲＡＭ
２０２で、インデックス保持部１０５をディスク装置２
０４で実現する場合について説明したが、これに限定さ
れるものではなく、任意の記憶媒体を用いて実現しても
よい。

【００４４】また、上記実施形態においては、プログラ
ムをＲＯＭに保持する場合について説明したが、これに
限定されるものではなく、任意の記憶媒体を用いて実現
してもよい。また、同様の動作をする回路で実現しても
よい。尚、本発明は、複数の機器（例えば、ホストコン
ピュータ、インタフェース機器、リーダ、プリンタ等）
から構成されるシステムに適用しても、一つの機器から
なる装置（例えば、複写機、ファクシミリ装置等）に適
用してもよい。

【００４５】また、本発明の目的は、前述した実施形態
の機能を実現するソフトウェアのプログラムコードを記
録した記憶媒体を、システムあるいは装置に供給し、そ
のシステムあるいは装置のコンピュータ（またはＣＰＵ
やＭＰＵ）が記憶媒体に格納されたプログラムコードを
読出し実行することによっても、達成されることは言う
までもない。

【００４６】この場合、記憶媒体から読出されたプログ
ラムコード自体が上述した実施の形態の機能を実現する
ことになり、そのプログラムコードを記憶した記憶媒体
は本発明を構成することになる。プログラムコードを供
給するための記憶媒体としては、例えば、フロッピディ
スク、ハードディスク、光ディスク、光磁気ディスク、
ＣＤ−ＲＯＭ、ＣＤ−Ｒ、磁気テープ、不揮発性のメモ
リカード、ＲＯＭなどを用いることができる。

【００４７】また、コンピュータが読出したプログラム
コードを実行することにより、前述した実施形態の機能
が実現されるだけでなく、そのプログラムコードの指示
に基づき、コンピュータ上で稼働しているＯＳ（オペレ
ーティングシステム）などが実際の処理の一部または全
部を行い、その処理によって前述した実施の形態の機能
が実現される場合も含まれることは言うまでもない。

【００４８】更に、記憶媒体から読出されたプログラム
コードが、コンピュータに挿入された機能拡張ボードや
コンピュータに接続された機能拡張ユニットに備わるメ
モリに書き込まれた後、そのプログラムコードの指示に
基づき、その機能拡張ボードや機能拡張ユニットに備わ
るＣＰＵなどが実際の処理の一部または全部を行い、そ
の処理によって前述した実施形態の機能が実現される場
合も含まれることは言うまでもない。

【００４９】本発明を上記記憶媒体に適用する場合、そ
の記憶媒体には、先に説明したフローチャートに対応す
るプログラムコードを格納することになるが、簡単に説
明すると、図１８、図１９のメモリマップ例に示す各モ
ジュールを記憶媒体に格納することになる。すなわち、
図１８に示すように、少なくとも「保持モジュール」、
「変換モジュール」、「管理モジュール」、および「検
索モジュール」の各モジュールのプログラムコードを記
憶媒体に格納すればよい。

【００５０】尚、「保持モジュール」は、テキストデー
タを第１記憶媒体に保持する。「変換モジュール」は、
第１記憶媒体に保持されているテキストデータを構成す
る文字列の各文字を対応する内部コードに変換する。
「管理モジュール」は、変換された内部コード列を変換
前のテキストデータと対応づけて第２記憶媒体に管理す
る。「検索モジュール」は、入力された検索条件に対し
変換を行い、変換された検索条件に該当する第２記憶媒
体に管理されている内部コードに対応するテキストデー
タを検索する。

【００５１】また、図１９に示すように、少なくとも、
「変換モジュール」、「作成モジュール」および「管理
モジュール」の各モジュールのプログラムコードを記憶
媒体に格納すればよい。尚、「変換モジュール」は、テ
キストデータを構成する文字列の各文字を対応する内部
コードに変換する。「作成モジュール」は、変換された
内部コード列の位置に関する位置情報を作成する。「管
理モジュール」は、作成された位置情報と変換された内
部コード列と変換前のテキストデータとを対応づけて記
憶媒体に管理する。

【００５２】

【発明の効果】以上説明したように、本発明によれば、
異体字や異なる使用文字コードを含むテキストデータの
検索を効率良く検索することができる情報処理装置及び
その方法を提供できる。

【図面の簡単な説明】

【図１】本発明の実施形態の情報処理装置の機能構成を
示すブロック図である。

【図２】本発明の実施形態の情報処理装置の構成を示す
ブロック図である。

【図３】本発明の実施形態で実行されるインデックス作
成処理を示すフローチャートである。

【図４】本発明の実施形態で実行される検索処理を示す
フローチャートである。

【図５】本発明の実施形態における内部コード変換の例
を示す図である。

【図６】本発明の実施形態におけるインデックスの例を
示す図である。

【図７】本発明の実施形態における配列１の一例を示す
図である。

【図８】本発明の他の実施形態に係る情報処理装置の機
能構成を示すブロック図である。

【図９】本発明の他の実施形態の情報処理装置の機能構
成を示すブロック図である。

【図１０】本発明の他の実施形態で実行される内部コー
ド変換処理の処理フローを示すフローチャートである。

【図１１】従来の情報処理装置の機能構成を示すブロッ
ク図である。

【図１２】従来の情報処理装置で実行されるインデック
ス作成処理を示すフローチャートである。

【図１３】従来の情報処理装置で実行される検索処理を
示すフローチャートである。

【図１４】被検索テキストデータの一例を示す図であ
る。

【図１５】従来のインデックスの一例を示す図である。

【図１６】従来の配列１の状態の一例を示す図である。

【図１７】従来の配列１の状態の一例を示す図である。

【図１８】本発明の実施形態を実現するプログラムコー
ドを格納した記憶媒体のメモリマップの構造を示す図で
ある。

【図１９】本発明の実施形態を実現するプログラムコー
ドを格納した記憶媒体のメモリマップの構造を示す図で
ある。

【符号の説明】

１０１被検索テキスト保持部１０２被検索テキスト変換部１０３変換テキスト保持部１０４インデックス作成部１０５インデックス保持部１０６内部コード変換部１０７検索文字列保持部１０８検索文字列変換部１０９変換検索文字列保持部１１０検索部１１１検索結果保持部

Claims

【特許請求の範囲】

【請求項１】テキストデータを検索する情報処理装置
であって、テキストデータを保持する保持手段と、前記保持手段で保持されているテキストデータを構成す
る文字列の各文字を対応する内部コードに変換する変換
手段と、前記変換手段で変換された内部コード列を変換前のテキ
ストデータと対応づけて管理する管理手段と、入力された検索条件に対し前記変換手段による変換を行
い、変換された検索条件に該当する前記管理手段に管理
されている内部コードに対応するテキストデータを検索
する検索手段とを備えることを特徴とする情報処理装
置。
【請求項２】前記変換手段は、前記文字列の各文字の
内、異体字である文字群には、同一の内部コードに変換
することを特徴とする請求項１に記載の情報処理装置。
【請求項３】前記管理手段は、前記内部コード列の各
内部コードの位置に関する位置情報を作成する作成手段
と、前記作成手段で作成した位置情報を保持する位置情報保
持手段とを備えることを特徴とする請求項１に記載の情
報処理装置。
【請求項４】前記検索手段は、前記位置情報保持手段
に保持されている位置情報を参照して、変換された検索
条件に該当する前記管理手段に管理されている内部コー
ドに対応するテキストデータを検索することを特徴とす
る請求項３に記載の情報処理装置。
【請求項５】前記変換手段は、前記文字列の各文字の
内、異なる文字コード系で対応する文字群には、同一の
内部コードに変換することを特徴とする請求項１に記載
の情報処理装置。
【請求項６】テキストデータを管理する情報処理装置
であって、前記テキストデータを構成する文字列の各文字を対応す
る内部コードに変換する変換手段と、前記変換手段で変換された内部コード列の位置に関する
位置情報を作成する作成手段と、前記作成手段で作成された位置情報と前記変換手段で変
換された内部コード列と変換前のテキストデータとを対
応づけて管理する管理手段とを備えることを特徴とする
情報処理装置。
【請求項７】テキストデータを検索する情報処理方法
であって、テキストデータを第１記憶媒体に保持する保持工程と、前記保持工程で前記第１記憶媒体に保持されているテキ
ストデータを構成する文字列の各文字を対応する内部コ
ードに変換する変換工程と、前記変換工程で変換された内部コード列を変換前のテキ
ストデータと対応づけて第２記憶媒体に管理する管理工
程と、入力された検索条件に対し前記変換工程による変換を行
い、変換された検索条件に該当する前記管理工程で前記
第２記憶媒体に管理されている内部コードに対応するテ
キストデータを検索する検索工程とを備えることを特徴
とする情報処理方法。
【請求項８】前記変換工程は、前記文字列の各文字の
内、異体字である文字群には、同一の内部コードに変換
することを特徴とする請求項７に記載の情報処理方法。
【請求項９】前記管理工程は、前記内部コード列の各
内部コードの位置に関する位置情報を作成する作成工程
と、前記作成工程で作成した位置情報を第３記憶媒体に保持
する位置情報保持工程とを備えることを特徴とする請求
項７に記載の情報処理方法。
【請求項１０】前記検索工程は、前記位置情報保持工
程で前記第３記憶媒体に保持されている位置情報を参照
して、変換された検索条件に該当する前記管理工程で前
記第２記憶媒体に管理されている内部コードに対応する
テキストデータを検索することを特徴とする請求項９に
記載の情報処理方法。
【請求項１１】前記変換工程は、前記文字列の各文字
の内、異なる文字コード系で対応する文字群には、同一
の内部コードに変換することを特徴とする請求項７に記
載の情報処理方法。
【請求項１２】テキストデータを管理する情報処理方
法であって、前記テキストデータを構成する文字列の各文字を対応す
る内部コードに変換する変換工程と、前記変換工程で変換された内部コード列の位置に関する
位置情報を作成する作成工程と、前記作成工程で作成された位置情報と前記変換工程で変
換された内部コード列と変換前のテキストデータとを対
応づけて記憶媒体に管理する管理工程とを備えることを
特徴とする情報処理方法。
【請求項１３】テキストデータを検索する情報処理装
置の制御のプログラムコードが格納されたコンピュータ
可読メモリであって、テキストデータを第１記憶媒体に保持する保持工程のプ
ログラムコードと、前記保持工程で前記第１記憶媒体に保持されているテキ
ストデータを構成する文字列の各文字を対応する内部コ
ードに変換する変換工程のプログラムコードと、前記変換工程で変換された内部コード列を変換前のテキ
ストデータと対応づけて第２記憶媒体に管理する管理工
程のプログラムコードと、入力された検索条件に対し前記変換工程による変換を行
い、変換された検索条件に該当する前記管理工程で前記
第２記憶媒体に管理されている内部コードに対応するテ
キストデータを検索する検索工程のプログラムコードと
を備えることを特徴とするコンピュータ可読メモリ。
【請求項１４】テキストデータを管理する情報処理装
置の制御のプログラムコードが格納されたコンピュータ
可読メモリであって、前記テキストデータを構成する文字列の各文字を対応す
る内部コードに変換する変換工程のプログラムコード
と、前記変換工程で変換された内部コード列の位置に関する
位置情報を作成する作成工程のプログラムコードと、前記作成工程で作成された位置情報と前記変換工程で変
換された内部コード列と変換前のテキストデータとを対
応づけて記憶媒体に管理する管理工程のプログラムコー
ドとを備えることを特徴とするコンピュータ可読メモ
リ。