偷偷摘套内射激情视频,久久精品99国产国产精,中文字幕无线乱码人妻,中文在线中文a,性爽19p

PHP開發(fā)搜索引擎技術(shù)全解析

開發(fā) 后端
本文指導(dǎo)您使用PHP來設(shè)計、開發(fā)一個強勁、高效的搜索引擎,從編程思路、PHP函數(shù)的使用、Google運行模式分析到整個系統(tǒng)的應(yīng)用與實現(xiàn),讓您輕松開發(fā)極富個性化的搜索引擎。

推薦專題:PHP+MySQL視頻教程

談到網(wǎng)頁搜索引擎時,很多人都會想到雅虎。的確,雅虎開創(chuàng)了一個互聯(lián)網(wǎng)絡(luò)的搜索時代。然而,雅虎目前用于搜索網(wǎng)頁的技術(shù)卻并非該公司原先自己開發(fā)的。2000年8月,雅虎采用了Google這家由斯坦福大學(xué)學(xué)生創(chuàng)建的公司的技術(shù)。理由非常簡單,Google的搜索引擎比雅虎先前使用的技術(shù)能更快、更準(zhǔn)確搜索到所需要的信息。

讓我們自己來設(shè)計、開發(fā)一個強勁、高效的搜索引擎和數(shù)據(jù)庫恐怕短時間內(nèi)在技術(shù)、資金等方面是不可能的,不過,既然雅虎都在使用別人的技術(shù),那么我們是不是也可以使用別人現(xiàn)成的搜索引擎網(wǎng)站呢?

剖析編程思路

我們可以這樣設(shè)想:模擬一個查詢,向某個搜索引擎網(wǎng)站發(fā)出相應(yīng)格式的搜索命令,然后傳回搜索結(jié)果,對結(jié)果的HTML代碼進行分析,剝離多余的字符和代碼,***按所需要的格式顯示在我們自己的網(wǎng)站頁面里。

這樣,問題的關(guān)鍵就在于,我們要選定一個搜索信息準(zhǔn)確(這樣我們的搜索才會更有意義?。?、速度快(因為我們分析搜索結(jié)果并顯示需要額外的時間),搜索結(jié)果簡潔(便于進行HTML源代碼分析和剝離)的搜索網(wǎng)站,由于新一代搜索引擎Google的各種優(yōu)良特性,這里我們選擇它為例,來看看用PHP怎樣實現(xiàn)后臺對Google搜索、前臺個性化顯示這一過程。

我們先來看看Google的查詢命令的構(gòu)成。進入Google網(wǎng)站,在查詢欄中輸入“abcd”,點擊查詢按鈕,我們可以發(fā)現(xiàn)瀏覽器的地址欄變成:"http://www.google.com/search?q=abcd&btnG=Google%CB%D1%CB%F7&hl=zh-CN&lr= ",可見,Google是通過表單的get方式來傳遞查詢參數(shù)并遞交查詢命令的。我們可以使用PHP中的file()函數(shù)來模擬這個查詢過程。

了解File( ) 函數(shù)

語法: array file(string filename);

返回值為數(shù)組,將文件全部讀入數(shù)組變量中。這里的文件可以是本地的,也可以是遠程的,遠程文件必須指明所使用的協(xié)議。例如: result=file(“http://www.google.com/search?q=a ... mp;hl=zh-CN&lr= ”),該語句將模擬我們在Google上查詢單詞“abcd”的過程,并將搜索結(jié)果以每行為元素,傳回到數(shù)組變量 result中。因為這里讀取的文件是遠程的,所以協(xié)議名“http://”不能缺少。

如果要讓用戶輸入搜索字符進行任意搜索,我們可以做一個輸入文本框和提交按鈕,并將上文中的被搜索字符“abcd”用變量替換:

echo ' 
'; file://沒有參數(shù)的form,默認(rèn)提交方式為get,提交到本身 
echo '; file://構(gòu)造一個文本輸入框 
echo '; file://構(gòu)造一個提交查詢按鈕 
echo ' 
'; 

if (isset( keywords)) file://提交后PHP會生成變量 kwywords,即要求下面的程序在提交后運行 
{ 
urlencode( keywords); file://對用戶輸入內(nèi)容進行URL編碼 
result=file("http://www.google.com/search?q=". keywords."&btnG=Google%CB%D1%CB%F7&hl=zh-CN&lr="); 
file://對查詢語句進行變量替換,將查詢結(jié)果保存在數(shù)組變量 result中 
result_string=join(" ", result); file://將數(shù)組$result合并成字符串,各數(shù)組元素之間用空格粘和 
... file://進一步處理 
} 
?﹥ 

上面的這段程序已經(jīng)能按用戶輸入內(nèi)容進行查詢,并將返回的結(jié)果合成一個字符串變量$result_string。請注意要使用urlencode()函數(shù)將用戶輸入內(nèi)容進行URL編碼,才可以正常地對輸入的漢字、空格以及其他特殊字符進行查詢,這樣做也是盡可能逼真地模擬Google的查詢命令,保證搜索結(jié)果的正確性。

對Google的分析

為了便于理解,現(xiàn)在假設(shè)我們所真正需要的東西是:搜索結(jié)果的標(biāo)題。網(wǎng)址和簡介等,這是一個簡潔而典型的需求。這樣,我們所要做的便是:去除Google搜索結(jié)果的臺頭和腳注,包括一個Google的標(biāo)志、再次搜索的輸入框和搜索結(jié)果說明等,并且在剩余的搜索結(jié)果各項條目中剝離原來的HTML格式標(biāo)記,替換成我們想要的格式。

要做到這一點,我們必須仔細地分析Google搜索結(jié)果的HTML源碼,找到其中的規(guī)律。不難發(fā)現(xiàn),在Google的搜索結(jié)果的正文總是包含在源碼的***個

標(biāo)記和倒數(shù)第二個

標(biāo)記之間,并且倒數(shù)第二個

標(biāo)記后緊跟table字符,而且這個組合“

以下所有程序均依次接續(xù)在上文程序的“進一步處理”處。

 result_string = strstr( result_string, " ");
  file://取 result_string從***個開始后的字符串,以去除Google臺頭 
  position= strpos( result_string," table符號的位置 
  result_string= substr( result_string,0, position);//截取***個table符號之前的字符串,以去除腳注

應(yīng)用與實現(xiàn)

現(xiàn)在我們已經(jīng)得到有用的HTML源碼主干了,剩下的問題是如何自主地顯示這些內(nèi)容。我們再分析一下這些搜索結(jié)果條目,發(fā)現(xiàn)每個條目之間也是很有規(guī)律的用分隔,也就是各成一個段落,按這個特點我們用explode()函數(shù)把每個條目切開:

語法:explode(string separator, string string);

返回一個數(shù)組,按separator切開后的各個小字串被保存在數(shù)組中。

于是:

result_array=explode(" ", result_string); file://用字串" "把結(jié)果切開 

我們就得到一個數(shù)組 result_array,其中每個元素都是一個搜索結(jié)果條目。我們所要做的僅僅是研究每個條目及其HTML顯示格式代碼,然后按要求替換就行了。下面用循環(huán)來處理 result_array中的每個條目。

for( i=0; i { 
... file://處理每個條目 
} 

對于每個條目,我們也很容易找到一些特點:每個條目都由標(biāo)題、摘要、簡介、類別、網(wǎng)址等組成,每個部分都換行,即包含標(biāo)記,于是再次分割:(以下處理程序放在上文的循環(huán)中)

every_item=explode(" ", result_array[ i]); 

這樣我們得到一個數(shù)組 every_item,其中 every_item[0]就是標(biāo)題, every_item[1]和 every_item[2]兩行為摘要, every_item[3]和 every_item[4]等等的頭部如果包含“簡介:”、“< font size=-1 color=#6f6f6f>類別:< /font>”字符,則是簡介或類別(因為有的結(jié)果條目沒有該項),如果頭部包含“< font color=green>”則肯定就是網(wǎng)址啦,這種對比判斷我們常使用正則表達式(略),如果要替換也很方便,比如包含標(biāo)題的$every_item[0],其本身是有鏈接的,我們希望修改這個鏈接屬性,讓它在新窗口打開鏈接:

echo eregi_replace(' { 
... file://處理每個條目中除去***項(***項為標(biāo)題,已經(jīng)顯示)的每一項 
... file://更多格式修改 
}  

這樣就修改了鏈接屬性,其余很多顯示格式的修改、剝離、替換都能用正則替換eregi_replace()來完成。

至此我們已經(jīng)得到了每個搜索條目的每一項,并能任意修改每項的格式,甚至可以給他套上漂亮的表格。然而一個好的程序應(yīng)該能適應(yīng)各種運行環(huán)境的,這里也不例外,我們其實還只是討論了搜索結(jié)果的HTML剝離的一種框架方法,真正要做得***,還要考慮很多內(nèi)容,比如要顯示一共搜索出多少結(jié)果,分成多少頁等等,甚至還可以刨除與Google相關(guān)的那些“類別”、“簡介”等代碼,讓客戶根本看不到原始網(wǎng)站。不過這些內(nèi)容和要求我們都能通過分析HTML進行剝離得到。現(xiàn)在大家完全能自己動手,做個極富個性化的搜索引擎。

【編輯推薦】

  1. PHP的cURL庫功能簡介:抓取網(wǎng)頁,POST數(shù)據(jù)及其他
  2. 讓PHP引擎全速運轉(zhuǎn)的三個絕招
  3. 20個非常有用的PHP類庫
責(zé)任編輯:佚名 來源: 網(wǎng)絡(luò)轉(zhuǎn)載
相關(guān)推薦

2009-12-10 15:09:46

PHP搜索引擎類

2011-06-20 18:23:06

SEO

2014-08-05 15:10:05

Larbin搜索引擎

2020-08-10 14:39:30

搜索引擎

2014-08-13 11:04:02

搜索引擎排序算法

2012-09-03 11:01:44

搜索引擎Polaris沃爾瑪

2022-03-31 20:15:21

圖像搜索引擎

2011-06-22 19:01:54

關(guān)鍵詞

2017-08-07 08:15:31

搜索引擎倒排

2020-03-20 10:14:49

搜索引擎倒排索引

2010-08-02 16:08:39

ibmdwJava搜索引擎

2022-10-08 09:13:18

搜索引擎?站

2012-09-07 13:22:21

搜索搜狗

2011-06-23 14:48:52

網(wǎng)站更新頻率搜索引擎

2009-02-19 09:41:36

搜索引擎搜狐百度

2010-04-20 11:43:46

2009-09-22 16:23:52

搜索引擎

2023-02-08 10:45:23

2010-06-13 16:27:28

搜索引擎

2009-07-30 10:40:56

搜索引擎優(yōu)化網(wǎng)站
點贊
收藏

51CTO技術(shù)棧公眾號