在和几个人在做一套有史以来最强的采集系统，先要有大致思路，其他模块都没啥问题，但是索引查重这一块出现了问题。其实就是数据库自身的排序问题，导致我们在作品名有字符和数字的时候，后面的数字无法按自然数排序。
举个例子：
大千世界1
大千世界11
大千世界2
这个查重项由于存在汉字，无法按int方式存储数据库。那么排序就会像上面一样，本来应该位于前面的2处在11后面，因为varchar排序是从前到后逐字的。如果只是查重倒好说，即便是varchar也可以一秒检索出重复项。但是功能设计的要求是用户可以按大千世界这个系列逐卷检索，类似于列表一样，这个就比较麻烦了。
有同学咨询了北大的学长，他说业内比较常用的做法就是字母替换，把大千世界后面的数字替换为字母a作为父索引（varchar），然后再建立子索引（int），把数字存储进去。类似于：
大千世界a-1
大千世界a-2
大千世界a-11
如果有多项关键字，类似于：
大千世界1
大千世界11
大千世界2
大千世界2后传1
大千世界2后传2
大千世界1后传21
大千世界后传2
则用多个字母替换，类似：
大千世界a-1
大千世界a-2
大千世界a-3
大千世界a后传b-21
大千世界a后传b-22
大千世界a后传b-121
大千世界后传a-2
这样似乎可以让他按特定顺序排列，但是注意上面大千世界1后转21，这个就无法排在大千世界2前面。现在正在思考怎么搞，是否该用一个特殊算法让每个数字项存在权重，从而实现绝对公平的排序。
