服务器之家

服务器之家 > 正文

10分钟用Python快速搭建全文搜索引擎详解流程

时间:2022-02-20 00:23     来源/作者:Monster_起飞

有一个群友在群里问个如何快速搭建一个搜索引擎,在搜索之后我看到了这个

10分钟用Python快速搭建全文搜索引擎详解流程

 

代码所在

  • Git:https://github.com/asciimoo/searx

官方很贴心,很方便的是已经提供了docker 镜像,基本pull下来就可以很方便的使用了,执行命令

cid=$(sudo docker ps -a | grep searx | awk '{print $1}')  
echo searx  cid is $cid  
if [ "$cid" != "" ];then  
  sudo docker stop $cid  
  sudo docker rm $cid  
fi 
sudo docker run -d --name searx -e IMAGE_PROXY=True -e BASE_URL=http://yourdomain.com  -p 7777:8888 wonderfall/searx

然后就可以使用了,正常查看docker的状态,就可以正常的使用了

 

思考

怎么样,是不是很方便,我们先看看源码是怎么样实现的

10分钟用Python快速搭建全文搜索引擎详解流程


我们打开里面的代码,其实本质就是将request之后的结果做一个大的聚合,至于数据来源,我们可以是来于DB,或者文件,我们可以看一下他的核心代码

from urllib import urlencode  
from json import loads  
from collections import Iterable  
search_url = None  
url_query = None  
content_query = None  
title_query = None  
suggestion_query = ''  
results_query = ''  
# parameters for engines with paging support  
#  
# number of results on each page  
# (only needed if the site requires not a page number, but an offset)  
page_size = 1 
# number of the first page (usually 0 or 1)  
first_page_num = 1  
def iterate(iterable):  
  if type(iterable) == dict:  
      it = iterable.iteritems()  
  else:  
      it = enumerate(iterable)  
  for index, value in it:  
      yield str(index), value 
def is_iterable(obj):  
  if type(obj) == str:  
      return False  
  if type(obj) == unicode: 
      return False  
  return isinstance(obj, Iterable)  
def parse(query): 
  q = []  
  for part in query.split('/'):  
      if part == '':  
          continue  
      else:  
          q.append(part)  
  return q  
def do_query(data, q):  
  ret = []  
  if not q:  
      return ret  
  qqkey = q[0]  
  for key, value in iterate(data):  
      if len(q) == 1:  
          if key == qkey:  
              ret.append(value)  
          elif is_iterable(value):  
              ret.extend(do_query(value, q))  
      else:  
          if not is_iterable(value):  
              continue  
          if key == qkey:  
              ret.extend(do_query(value, q[1:]))  
          else:  
              ret.extend(do_query(value, q))  
  return ret  
def query(data, query_string): 
  q = parse(query_string)  
  return do_query(data, q)  
def request(query, params):  
  query = urlencode({'q': query})[2:]  
  fp = {'query': query}  
  if paging and search_url.find('{pageno}') >= 0:  
      fp['pageno'] = (params['pageno'] - 1) * page_size + first_page_num  
  params['url'] = search_url.format(**fp)  
  params['query'] = query  
  return params  
def response(resp):  
  results = []  
  json = loads(resp.text)  
  if results_query:  
      for result in query(json, results_query)[0]:  
          url = query(result, url_query)[0] 
          content = query(result, content_query)[0]  
          results.append({'url': url, 'title': title, 'content': content})  
  else: 
       for url, title, content in zip(  
          query(json, url_query),  
          query(json, title_query),  
          query(json, content_query)  
      ):  
          results.append({'url': url, 'title': title, 'content': content}) 
  if not suggestion_query:  
      return results 
   for suggestion in query(json, suggestion_query):  
      results.append({'suggestion': suggestion})  
  return results 

 

结果

每个response的时候我们都要以轻松的定制返回的数据(可以是网络,可以是数据库,可以是文件),那我们进一步想一下,如果我们可以hack response 结果,那我们完全可以将自己爬来的数据做为返回结果。如果是1024之类的,完全可以打造自己的“爱好”小引擎,代码我就不贴了,大家可以自己动手自己玩玩。结合jieba分词,可以更好玩一点。

到此这篇关于10分钟用Python快速搭建全文搜索引擎详解流程的文章就介绍到这了,更多相关Python 搜索引擎内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家!

原文链接:https://blog.csdn.net/Monsterof/article/details/120973384

标签:

相关文章

热门资讯

蜘蛛侠3英雄无归3正片免费播放 蜘蛛侠3在线观看免费高清完整
蜘蛛侠3英雄无归3正片免费播放 蜘蛛侠3在线观看免费高清完整 2021-08-24
2022年最旺的微信头像大全 微信头像2022年最新版图片
2022年最旺的微信头像大全 微信头像2022年最新版图片 2022-01-10
背刺什么意思 网络词语背刺是什么梗
背刺什么意思 网络词语背刺是什么梗 2020-05-22
yue是什么意思 网络流行语yue了是什么梗
yue是什么意思 网络流行语yue了是什么梗 2020-10-11
2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全
2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全 2019-12-26
返回顶部