手机浏览器扫描二维码访问
搜索引擎,顾名思义,便是一种用于搜索信息而产生的工具。
一般解释而言,便是通过用户的需求,和一定的算法,将用户输入的关键词与互联网上现存的信息进行匹配,并按照相关度和时间顺序,将符合要求的信息罗列在用户的眼前。
搜索引擎这门生意讲究的是个先来后到。
如果能在最早的时候将知名论坛和网站的内容全部爬取,那就会在用户占有率上占尽优势。
要知道在这个时间点,日后驰名全球的寻他公司和布谷公司还在娘胎里,呀唬公司的搜索引擎虽然已经诞生,但其底层技术依旧是依靠人工存放网站目录,可谓是效率极其低下。
现在已经有互联网信息爆炸的趋势了,随着信息越来越多,人工处理流程必将被淘汰,而王向中设想的,则是抢在市场最前列,将新一代的搜索引擎提前面世。
实际上做一个搜索引擎并没有看上去那么轻松。
首先是代码问题,这个年代网页技术还停留在web1.o(互联网1.o)的时代,先暂且不提Ajax(AsynchronousJavascriptAndXmL,异步JavaScript和XmL)这种动态页面刷新机制,就连JavaScript(一种web页面脚本语言)都还尚未出现。
还好windows公司相当强大,早在1996年发布了ASP1.o(ActiveServerPages,动态服务器页面),这也让王向中不必苦哈哈地用大量c语言进行后端代码编写工作。
接下来就是数据的爬取和存储问题。
这话虽然听起来很高端,但实际上也就是将数据从别的网站上摘下来,进行索引和关键词分配的简单加工后存储的过程。
这个时候Python语言尚还叫ABc语言,很显然在这个年代使用这个失败的产品是不太合适的,使用更加成熟的c++也许可以解决一些问题。
将爬虫模型简单地铺开来讲,最基础的爬虫,便是通过程序直接访问网页的源代码,通过正则表达式匹配出网页的标题和其具体内容,再接着分析网页内的超链接所指向的页面,逐步将整个网站的内容收入囊中。
再接下来便是数据的存储问题。
mySQL(一种关系数据库管理系统)可以完美地代替文本文档进行数据存取,因为它有一项对于搜索引擎而言重要的功能——索引。
索引可以给一条数据给予定义。
举个最简单的比方,为了节省空间,图书馆的书一般是纵向摆放,而在每本书的侧面上,都写有书名和作者姓名。
这个书名和作者姓名,就是一本书的“索引”
,当你想要找一本书的时候,显然不可能将每本书都打开细细查阅一番,这无疑是在浪费时间。
而通过书名和作者名,你可以轻松地找到自己想要的那本书。
假设一本书是一条数据,那么通过索引功能,便可以轻松地将它从数据库中调取出来,而不必辛苦地逐行逐字分析书本的内容。
想当文抄公?可以!各种精品小说歌曲漫画都有!想要的话拿你的节操值来换吧!...
神级高手附身都市纨绔嗯,一个无敌高手回到都市扮猪吃虎的故事!...
某奇门遁甲传人在某不可抗力的作用下来到了某个神奇的异界大陆,但是他突然发现这个世界的妹子似乎有点。。。。。罗文叮,发现了一只野生的艾米莉亚。艾米莉亚野野野野野生?!蕾姆你的眼睛里只看到了艾米莉亚是吗,要不要被开个洞呢,罗文?贝蒂附议。(本文不按照从零开始的异世界的世界观行进,而且会隐去某些人物,尤其是某自带后宫光环的486,顺便还会将一些其他动漫的人物写入世界中。)...
偶然得到一枚可以任意穿越小说世界的龙王戒指,不爽高中生贾里玉就此开启得意人生。驰骋大漠,仗剑江南,英雄为友,美人为伴,人不凶猛枉少年。郭襄的烦恼,程英的忧郁,神雕世界不再有一遇杨过误终身的遗憾靖蓉的传人,五绝的排序,华山绝巅多了一位负剑的少年。光明顶试身手退六大派,无量山寻秘笈遇木婉清。野味得来烹煮味偏浓,笑傲江湖九剑谁问鼎?纵马水浒三国,谈笑用兵,结交英雄好汉梦游红楼警幻,增删判词,金陵十二钗命运改变。五百年前,菩提树下,七十二变。五百年后,大圣归来,天外飞仙。...
当其它玩家都在刀光剑影中拼搏,抢夺各种排行的时候,重生而来的王宣却加入一个大家都说坑爹的隐藏门派苦修内力。当其它玩家在为世界剧情推动而抢接任务的时候,重生而来到王宣却主导着世界剧情的发展。王宣只是打算在游戏低调发展赚点钱,可收获却似乎远出他的意料之外...
一场穿越,废材小姐惊艳重生。神奇的玉珏开启,附赠冰山男神一枚。丹药神器魔兽灵宠应有尽有修行炼丹虐渣所向披靡开挂的人生不要太美好。欠我的统统给我还回来!废材逆袭,逆天改命。她强悍的前行,她的命运,只能由她掌控!不服?打赢她身边的冰块男神再说!(书友群169598252)...