Php 为大量类似文档提供归档服务

我想建立一种存档服务。我的想法是，我向服务发送一个文档（数10 KB的HTML），它向我返回一个简短的标识符，然后我可以使用该标识符检索文档。许多文件彼此非常相似；对于任何一个文档，可能有1000个其他文档与它重叠95%。因此，每次我发送文档时，归档服务都应该尝试查找相似的文档，并只存储差异

---

现在已经有这样的系统了吗？如果可能的话，我更喜欢基于PHP/MySQL的东西。

从您的用例中可以想到CouchDB。了解他们如何将文档存储为JSON，以及如何对文档进行修订（存储在_rev字段中）

但是，它不会为您进行比较。这个责任将落在一个简单的CouchDB实现上，但它确实可以很好地为您处理版本

不幸的是，我不知道有什么现成的数据库可以比较文档，然后找到相似的内容并替换它们