PHP文內關鍵字索引全文資料庫 / PHP KWIC Database
這個PHP KWIC Database是我在進行文本分析研究中的一個產物。文內關鍵字索引(Key Word In Context)的做法是將檢索的關鍵字擺在查詢結果中間，前後呈現該關鍵字的前後文。這不僅只是拿來搜尋具有該關鍵字的文本，還能夠進一步知道該關鍵字在這些文本中的用法。在許多人文研究中，具備引得查詢資料庫是非常重要的研究工具，許多語料庫(corpus)都有提供。可惜的是，現在許多全文檢索系統都沒有實作引得，包括Apache Solr。所以我在2016年年初的研究中順手寫了這個PHP KWIC Database，並將之整理成框架，讓大家能夠簡單地使用Excel整理文本資料後，並利用Convert to SQLite Online將Excel檔案轉換成SQLite資料庫，就能夠並使用PHP KWIC Database來進行檢索與分析。
什麼是文內關鍵字索引？ / What is Key Word In Context?
文內關鍵字索引(Key Word In Context, KWIC)是一個包含單一文字或是檢索關鍵字的列表，通常會一併呈現出檢索結果的行數與檔案名稱。KWIC會將檢索關鍵字置於搜尋結果的中間，而左右顯示固定長度的前後文字結果。
KWIC最早是由化學摘要(Chemical Abstracts, CA)所提出，常常用於聖經解讀上，是引得索引(concordance)最常見的表現形式。詳細介紹請看中國大百科全書智慧藏的「關鍵詞索引」。
(圖片來源：Corpus Linguistics)
Windows的文本語料分析工具AnConc有著標準的KWIC檢索功能，如上圖所示，關鍵字「hand」被置於搜尋結果中間，以藍色標示，而左右鄰接的文字被標示紅色與綠色，其他則是該字周圍的上下文。
(圖片來源：Concise Tutorial: 脈絡化的關鍵字 Concordance（Keyword in Context）)
Concise也有提供KWIC的功能，請見Concise Tutorial: 脈絡化的關鍵字 Concordance（Keyword in Context）的介紹。
雖然PHP KWIC Database沒能把KWIC排版得很齊，但也算是派得上用場了啦。
程式碼下載 / Code Repository
PHP KWIC Database原始碼已經保存GitHub當中。
- GitHub: PHP-KWIC-Database
系統需放在支援PHP的伺服器中，例如Apache網頁伺服器或是它的包裝版本XAMPP。它本身需要搭配一個SQLite的資料庫：PHP KWIC Database.sqlite。
資料建置 / Data setup
為了方便大家使用，我為PHP KWIC Database增加了從Excel匯入資料的方式。大家可以用比較容易操作的方式建置屬於自己的系統。
Excel檔案 / Excel format
這個資料表包含了七個欄位：
- id：系統編號主鍵，數字不能重複。
- title：文件標題。
- authors：作者。
- date：日期。請以「2017/10/26」的格式填寫。
- fulltext：文本的全文。
如果文本的全文是PDF檔案，我會建議將它轉換為HTML，在將HTML的全文儲存在fulltext中，請見「用Acrobat Pro把PDF轉換成HTML：AutoIt一鍵轉換方案」。
如果文本的全文是網頁上的內容，你可以使用Google試算表的importHTML函數來匯入網頁內容，或是使用importXML()函數來匯入網址中指定位置的內容。做法請見「無痛爬梳自己來，用 Google Spreadsheet 爬取網頁資料」。
我們可以在Google試算表上編輯或新增資料庫的內容，最後下載成Excel檔案：「PHP KWIC Database.xlsx」。當然，你也可以先把檔案下載到自己的電腦再來編輯。
Excel轉換成SQLite / Convert Excel to SQLite
先在File to Convert的地方選擇準備好的Excel檔案「PHP KWIC Database.xlsx」，打勾「First Row Contains Column Names」，然後按下「Upload」按鈕。但是資料量過大可能會轉換失敗，
接著網頁會先顯示轉換結果的摘要，讓我們把網頁往下移。
按下「Convert!」按鈕。
這樣就會取得SQLite資料庫「PHP KWIC Database.sqlite」，請把它放到PHP KWIC Database的目錄底下，取代原本的「PHP KWIC Database.sqlite」。這樣就完成了！
系統設定 / Configuration
<?php
$CONFIG = array();
$CONFIG["title"] = "PHP Keyword In Context (KWIC) Database";
$CONFIG["hint"] = "請輸入關鍵字，例如：「文本」。";PHP KWIC Database的系統設定都在config.php裡面，但目前只有設定標題與提示而已，並沒有很多可客製化的功能。
系統使用說明 / Usage
PHP KWIC Database的使用方式很簡單。網頁打開來就是三種欄位的搜尋功能：「全文關鍵字」、「標題」與「作者」。請至少在一個欄位輸入資料，然後按下「查詢」就能得到檢索結果。
舉例來說，我們在「全文關鍵詞」輸入「文本」來查詢看看。
下面就會出現引得檢索的結果。這邊可以看到檢索關鍵字「文本」被放在檢索結果的相關內文裡面，而且「文本」這個字會被盡量擺在中間，前後是文件中有「文本」關鍵字出現時的前後文。我們可以點下標題來查看全文內容。
這裡就會直接顯示全文的內容。我們可以使用瀏覽器的搜尋功能來看看「文本」這個字會出現在哪裡，以便繼續深入研究。
小結 / In closing
一開始聽到KWIC這個詞的時候，是在圖書資訊學相關課程裡面。但課程中只有稍微帶過這個詞，KWIC偶爾會出現在考題中，生活中倒是很少碰到。一般生活中用的都是單純關鍵字索引，能像Apache Solr這樣做到關鍵字搜尋結果標亮，已經是很不錯的程度了。
直到我開始分析文本之後，我才發現傳統的檢索界面完全無法滿足我的需求。舉例來說，在分析文本的時候，可能常常會發現某個關鍵詞。以我的blog來說，例如我有時候會講「文本」，有時候又會講「文件」，有時候講「文字」。這三個詞到底有什麼不同？我在blog中到底是怎麽用這些詞？這些詞的旁邊通常會出現什麼詞？
(圖片來源：Google)
傳統的搜尋引擎只會找出具有該關鍵字的文件，給予作者、題名、連結等資訊，至多就是部分的關鍵字周圍的內文。但若該關鍵字在文件中出現許多次，傳統搜尋引擎也頂多給你一到二個結果而已。
這時候，使用KWIC，研究者就能看到這個關鍵字在每個文本中如何使用的完整結果。若關鍵字在某些文件出現次數相當多，KWIC也會一行一行地把結果呈現出來，鉅細靡遺地讓研究者知道關鍵字的上下文，這樣研究者就能夠對該關鍵字進行更深入的分析。
更重要的是，如果只是簡單地想要做一個全文檢索網站的話，PHP KWIC Database其實比架設Apache Solr還要簡單呢！你只要會在Excel中輸入資料，就能夠把它建立成完整的全文資料庫囉。
這篇談PHP KWIC Database就到此為止了。你是否也用過KWIC的檢索系統呢？你對KWIC的感想如何呢？你會不會也想要用Excel試算表來架設全文檢索系統呢？如果有這樣的系統，你會想要拿來分析什麼資料呢？歡迎在下面的留言處與我分享你的想法，或是在AddThis分享工具按讚、分享到Facebook等社群媒體吧！感謝你的耐心閱讀，讓我們下一篇見。
