Faisanes, esos 51,8 megas serán en realidad entre unos 150 y 500 megas.¿Por qué? Porque seguro están guardados en... ¡Tachán! ZIP (o GZ, que es más linuxero). Es decir, el texto se puede comprimir entre 3 y 10 veces dependiendo de las palabras repetidas. Como un indexado son palabras ordenadas seguidas de un número o dos pequeños, la tasa de compresión es alta. Pero a lo que yo me refería es que, pese a que ocupe 50 megas en disco, cuando se está generando el índice, se está haciendo de forma expandida, aunque cuando se tenga un "chunc" para disco, se comprima y se grabe. Con esto quiero decir que, pese a ocupar 50 megas, cuando el índice se generó, se procesaron los 500 megas.
Luego, cuando se abre para mirarlo, en cierta forma se expande a su tamaño real. Si buscamos los libros en los que aparezca la palabra "ababol", el indexador abrirá el primer "chunc", lo descomprimirá, mirará la primera a, que estará en el chunc tal, que abrirá y descomprimirá, en ese chunc irá a por la primera b, que estará en el chunc cual... El proceso se repetirá hasta la última l, en donde habrá una lista (posiblemente en otro fichero) con todos los libros en los que aparezca la palabra compuesta por el árbol a-b-a-b-o-l. El tiempo de búsqueda teórico será log2(n), más la suma de los accesos a disco...
Respecto a lo de respeto o no respeto, ya sabes mis formas... y piensa que antes de hablar también he mirado yo en mi Kindle lo que ocupan ambos ficheros etc...



Salvo que 51 no es más que 144, nunca.
Aunque no soy informático y, a lo que se ve, soy un paciente rebeldísimo. 
Ya voy sabiendo hasta... De... Indexados. La repera. Vale.
¿Por qué? Porque seguro están guardados en... ¡Tachán! ZIP (o GZ, que es más linuxero). Es decir, el texto se puede comprimir entre 3 y 10 veces dependiendo de las palabras repetidas. Como un indexado son palabras ordenadas seguidas de un número o dos pequeños, la tasa de compresión es alta. Pero a lo que yo me refería es que, pese a que ocupe 50 megas en disco, cuando se está generando el índice, se está haciendo de forma expandida, aunque cuando se tenga un "chunc" para disco, se comprima y se grabe. Con esto quiero decir que, pese a ocupar 50 megas, cuando el índice se generó, se procesaron los 500 megas.
Citar