揭露PHP开发搜索引擎技术全过程
发布时间：2022-03-31 19:47:53 所属栏目：PHP教程 来源：互联网
导读：谈到网页搜索引擎时，很多人都会想到雅虎。的确，雅虎开创了一个互联网络的搜索时代。然而，雅虎目前用于搜索网页的技术却并非该公司原先自己开发的。2000年8月，雅虎采用了Google这家由斯坦福大学学生创建的公司的技术。理由非常简单，Google的搜索引擎比
|
谈到网页搜索引擎时，很多人都会想到雅虎。的确，雅虎开创了一个互联网络的搜索时代。然而，雅虎目前用于搜索网页的技术却并非该公司原先自己开发的。2000年8月，雅虎采用了Google这家由斯坦福大学学生创建的公司的技术。理由非常简单，Google的搜索引擎比雅虎先前使用的技术能更快、更准确搜索到所需要的信息。 让我们自己来设计、开发一个强劲、高效的搜索引擎和数据库恐怕短时间内在技术、资金等方面是不可能的，不过，既然雅虎都在使用别人的技术，那么我们是不是也可以使用别人现成的搜索引擎网站呢? 我们先来看看Google的查询命令的构成。进入Google网站，在查询栏中输入“abcd”，点击查询按钮，我们可以发明阅读器的地址栏变成："http://www.google.com/search?q=abcd&btnG=Google%CB%D1%CB%F7&hl=zh-CN&lr= "，可见，Google是通过表单的get方法来传递查询参数并递交查询命令的。我们可以使用PHP中的file()函数来模仿这个查询进程。 懂得File( ) 函数 语法: array file(string filename); 返回值为数组，将文件全体读进数组变量中。这里的文件可以是本地的，也可以是远程的，远程文件必需指明所应用的协定。例如： result=file(“http://www.google.com/search?q=a ... mp;hl=zh-CN&lr= ”)，该语句将模仿我们在Google上查询单词“abcd”的进程，并将搜索结果以每行动元素，传回到数组变量 result中。由于这里读取的文件是远程的，所以协定名“http://”不能缺乏。 假如要让用户输入搜索字符进行任意搜索，我们可以做一个输入文本框和提交按钮，并将上文中的被搜索字符“abcd”用变量替换： echo ' '; file://没有参数的form，默认提交方法为get，提交到本身 echo '; file://结构一个文本输入框 echo '; file://结构一个提交查询按钮 echo ' '; if (isset( keywords)) file://提交后PHP会天生变量 kwywords,即请求下面的程序在提交后运行 { urlencode( keywords); file://对用户输进内容进行URL编码 result=file("http://www.google.com/search?q=". keywords."&btnG=Google%CB%D1%CB%F7&hl=zh-CN&lr="); file://对查询语句进行变量调换,将查询成果保留在数组变量 result中 result_string=join(" ", result); file://将数组$result合并成字符串，各数组元素之间用空格粘和 ... file://进一步处理 要做到这一点，我们必需细心地剖析Google搜索结果的HTML源码，找到其中的规律。不难发明，在Google的搜索结果的正文总是包括在源码的第一个 标记和倒数第二个 标志之间，并且倒数第二个 标志后紧跟table字符，而且这个组合“ 以下所有程序均依次接续在上文程序的“进一步处置”处。 result_string = strstr( result_string, " "); file://取 result_string从第一个开端后的字符串，以往除Google台头 position= strpos( result_string," table符号的地位 result_string= substr( result_string,0, position);//截取第一个table符号之前的字符串,以往除脚注 利用与实现 现在我们已经得到有用的HTML源码主干了，剩下的问题是如何自主地显示这些内容。我们再剖析一下这些搜索结果条目，发明每个条目之间也是很有规律的用分隔，也就是各成一个段落，按这个特色我们用explode()函数把每个条目切开： 语法：explode(string separator, string string); 返回一个数组，按separator切开后的各个小字串被保留在数组中。 于是： result_array=explode(" ", result_string); file://用字串" "把成果切开 我们就得到一个数组 result_array，其中每个元素都是一个搜索结果条目。我们所要做的仅仅是研讨每个条目及其HTML显示格式代码，然后按请求替换就行了。下面用循环来处理 result_array中的每个条目。 for( i=0; i { ... file://处理每个条目 } 对于每个条目，我们也很轻易找到一些特色：每个条目都由题目、摘要、简介、种别、网址等组成，每个部分都换行，即包括标志，于是再次分割：(以下处置程序放在上文的循环中) every_item=explode(" ", result_array[ i]); 这样我们得到一个数组 every_item，其中 every_item[0]就是题目， every_item[1]和 every_item[2]两行动摘要， every_item[3]和 every_item[4]等等的头部如果包含“简介:”、“< font size=-1 color=#6f6f6f>种别:< /font>”字符，则是简介或类别(由于有的结果条目没有该项)，假如头部包含“< font color=green>”则确定就是网址啦，这种对照断定我们常使用正则表达式(略)，假如要替换也很便利，比如包括标题的$every_item[0]，其本身是有链接的，我们盼望修改这个链接属性，让它在新窗口打开链接： echo eregi_replace(' { ... file://处置每个条目中除往第一项(第一项为题目，已经显示)的每一项 ... file://更多格局修正 } 这样就修改了链接属性，其余很多显示格局的修正、剥离、调换都能用正则调换eregi_replace()来完成。 至此我们已经得到了每个搜索条目标每一项，并能任意修正每项的格局，甚至可以给他套上美丽的表格。然而一个好的程序应当能适应各种运行环境的，这里也不例外，我们实在还只是讨论了搜索结果的HTML剥离的一种框架方式，真正要做得完善，还要斟酌很多内容，比如要显示一共搜索出多少结果，分成多少页等等，甚至还可以刨除与Google相干的那些“种别”、“简介”等代码，让客户基本看不到原始网站。不过这些内容和请求我们都能通过火析HTML进行剥离得到。现在大家完整能自己动手，做个极富个性化的搜索引擎。 （编辑：开发网_开封站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
浙公网安备 33038102330459号