10分钟搭建一个好玩的Python全文搜索引擎

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

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

1. cid=$(sudo docker ps -a | grep searx | awk '{print $1}')  
2. echo searx  cid is $cid  
3. if [ "$cid" != "" ];then  
4.     sudo docker stop $cid  
5.     sudo docker rm $cid  
6. fi 
7. 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

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

1. from urllib import urlencode  
2. from json import loads  
3. from collections import Iterable  
4. search_url = None  
5. url_query = None  
6. content_query = None  
7. title_query = None  
8. suggestion_query = ''  
9. results_query = ''  
10. # parameters for engines with paging support  
11. #  
12. # number of results on each page  
13. # (only needed if the site requires not a page number, but an offset)  
14. page_size = 1 
15. # number of the first page (usually 0 or 1)  
16. first_page_num = 1  
17. def iterate(iterable):  
18.     if type(iterable) == dict:  
19.         it = iterable.iteritems()  
20.     else:  
21.         it = enumerate(iterable)  
22.     for index, value in it:  
23.         yield str(index), value 
24. def is_iterable(obj):  
25.     if type(obj) == str:  
26.         return False  
27.     if type(obj) == unicode: 
28.         return False  
29.     return isinstance(obj, Iterable)  
30. def parse(query): 
31.     q = []  
32.     for part in query.split('/'):  
33.         if part == '':  
34.             continue  
35.         else:  
36.             q.append(part)  
37.     return q  
38. def do_query(data, q):  
39.     ret = []  
40.     if not q:  
41.         return ret  
42.     qqkey = q[0]  
43.     for key, value in iterate(data):  
44.         if len(q) == 1:  
45.             if key == qkey:  
46.                 ret.append(value)  
47.             elif is_iterable(value):  
48.                 ret.extend(do_query(value, q))  
49.         else:  
50.             if not is_iterable(value):  
51.                 continue  
52.             if key == qkey:  
53.                 ret.extend(do_query(value, q[1:]))  
54.             else:  
55.                 ret.extend(do_query(value, q))  
56.     return ret  
57. def query(data, query_string): 
58.     q = parse(query_string)  
59.     return do_query(data, q)  
60. def request(query, params):  
61.     query = urlencode({'q': query})[2:]  
62.     fp = {'query': query}  
63.     if paging and search_url.find('{pageno}') >= 0:  
64.         fp['pageno'] = (params['pageno'] - 1) * page_size + first_page_num  
65.     params['url'] = search_url.format(**fp)  
66.     params['query'] = query  
67.     return params  
68. def response(resp):  
69.     results = []  
70.     json = loads(resp.text)  
71.     if results_query:  
72.         for result in query(json, results_query)[0]:  
73.             url = query(result, url_query)[0]  
74.             title = query(result, title_query)[0]  
75.             content = query(result, content_query)[0]  
76.             results.append({'url': url, 'title': title, 'content': content})  
77.     else: 
78.          for url, title, content in zip(  
79.             query(json, url_query),  
80.             query(json, title_query),  
81.             query(json, content_query)  
82.         ):  
83.             results.append({'url': url, 'title': title, 'content': content}) 
84.     if not suggestion_query:  
85.         return results 
86.      for suggestion in query(json, suggestion_query):  
87.         results.append({'suggestion': suggestion})  
88.     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。

原文地址：https://mp.weixin.qq.com/s/T68aqSX-D79KsIfKf5OtYg