孫文華

（南昌工程學(xué)院 網(wǎng)絡(luò)信息中心，江西 南昌 330099）

當(dāng)前，面對(duì)浩瀚的網(wǎng)絡(luò)資源，搜索引擎為所有網(wǎng)上沖浪的用戶提供了一個(gè)入口，所有的用戶都可以借助于搜索引擎到達(dá)自己想去的網(wǎng)上任何一個(gè)地方。隨著Internet的快速發(fā)展，海量信息和人們獲取所需信息能力之間的矛盾日益明顯，在信息海洋里查找信息，如同大海撈針一樣，而搜索引擎的出現(xiàn)正好解決了這一難題。

目前高校校內(nèi)信息量的不斷增加，面對(duì)浩瀚的網(wǎng)絡(luò)信息，選擇資源范圍廣而針對(duì)性不強(qiáng)，很難搜到符合自己的資源。針對(duì)這種情況，本文提出了一款校內(nèi)搜索軟件的設(shè)計(jì)與實(shí)現(xiàn)方法。該軟件采用Java語言開發(fā)，是一款簡易且實(shí)用的校內(nèi)搜索引擎軟件。

1 設(shè)計(jì)原理

搜索引擎系統(tǒng)[1]通常是指互聯(lián)網(wǎng)信息檢索系統(tǒng)。本系統(tǒng)是建立在通過網(wǎng)絡(luò)爬蟲軟件抓取大量的網(wǎng)絡(luò)資源的基礎(chǔ)上進(jìn)行開發(fā)設(shè)計(jì)的，系統(tǒng)通過對(duì)抓取的網(wǎng)頁文件進(jìn)行智能提取、去標(biāo)注、內(nèi)容分析等處理，再經(jīng)過索引加載建立索引數(shù)據(jù)庫。用戶可以通過搜索頁面查詢索引數(shù)據(jù)庫，返回包含所有匹配查詢關(guān)鍵詞的網(wǎng)頁[2]。

圖1 搜索引擎軟件設(shè)計(jì)原理圖

校內(nèi)搜索引擎軟件的設(shè)計(jì)原理如圖1所示，其原理如下：（1）通過網(wǎng)絡(luò)爬蟲軟件抓取網(wǎng)頁內(nèi)容；（2）從抓取的網(wǎng)頁文件中獲取索引表，索引表內(nèi)容為每個(gè)文件的序號(hào)與網(wǎng)址信息，得到網(wǎng)頁文件庫里面的內(nèi)容即為網(wǎng)頁文件；（3）對(duì)得到的網(wǎng)頁文件庫進(jìn)行處理，使用正則表達(dá)式去除網(wǎng)頁標(biāo)注信息，得到的新內(nèi)容存放在一個(gè)新的文件夾中，作為內(nèi)容信息庫；（4）根據(jù)網(wǎng)頁文件庫和索引表，得到一個(gè)新的文件（也稱為標(biāo)題和網(wǎng)址信息庫），其里面的內(nèi)容為每個(gè)文件的序號(hào)、標(biāo)題和網(wǎng)址等信息；（5）當(dāng)用戶需要查找自己需要的信息時(shí)，只要輸入關(guān)鍵詞，搜索引擎軟件根據(jù)用戶輸入的關(guān)鍵詞在內(nèi)容信息庫中進(jìn)行查找[3]，如果內(nèi)容信息庫中存在用戶查找的內(nèi)容，軟件將根據(jù)給內(nèi)容所在的文件序號(hào)，在標(biāo)題和網(wǎng)址信息庫中提取出該內(nèi)容所在的標(biāo)題與網(wǎng)址等信息，最后再加上內(nèi)容信息庫中與關(guān)鍵詞相關(guān)的內(nèi)容信息作為查找的結(jié)果顯示出來。

2 具體算法實(shí)現(xiàn)

搜索引擎軟件開發(fā)環(huán)境：Myeclipse平臺(tái)，使用Java語言。首先可以 Myeclipse平臺(tái)新建一個(gè)java project，在新建的project中需要導(dǎo)入下面一些相關(guān)的文件：

搜索引擎軟件中獲得搜索結(jié)果的搜索函數(shù)核心代碼如下：

//根據(jù)用戶輸入的關(guān)鍵詞，在相應(yīng)的庫中進(jìn)行搜索，并返回搜索結(jié)果信息

至此，完成了搜索引擎軟件代碼的編寫工作，接下來可以進(jìn)行run操作（即可以在指定內(nèi)容信息庫與標(biāo)題和網(wǎng)址信息庫中進(jìn)行操作），返回用戶查找的相關(guān)網(wǎng)頁文件的序號(hào)、標(biāo)題、網(wǎng)址和主要內(nèi)容等信息的結(jié)果。

3 實(shí)驗(yàn)結(jié)果分析

內(nèi)容信息庫的存放路徑為D： estContentInfo；內(nèi)容信息庫中的內(nèi)容如圖2所示。標(biāo)題和網(wǎng)址信息庫的存放路徑為D： estTitleInfo；文件庫中存放了標(biāo)題和網(wǎng)址信息文件，文件名為TitleInfo.txt，其內(nèi)容如圖3所示。

圖2 內(nèi)容信息庫中的內(nèi)容

圖3 標(biāo)題和網(wǎng)址信息文件庫的內(nèi)容

運(yùn)行該搜索引擎軟件，得出的輸出結(jié)果如圖4所示。

圖4 進(jìn)行關(guān)鍵詞搜索后輸出的結(jié)果信息

由圖4可以看到，通過該系統(tǒng)可以把待測(cè)文件中臟字及臟詞組出現(xiàn)的次數(shù)全部顯示出來，其結(jié)果與實(shí)際情況完全一致。

針對(duì)當(dāng)前網(wǎng)絡(luò)在高校的應(yīng)用越來越普及，校內(nèi)網(wǎng)絡(luò)中的資源也越來越多，而目前市場(chǎng)上的搜索軟件（如百度、谷歌的）又難以滿足實(shí)踐的需要，并且有些搜索軟件比較昂貴。本文在基于這些問題的情況下進(jìn)行研究與分析，提出了校內(nèi)網(wǎng)絡(luò)資源搜索軟件的設(shè)計(jì)方法，并在Myeclipse環(huán)境下通過Java語言實(shí)現(xiàn)了這種方法，為高校校內(nèi)網(wǎng)絡(luò)資源的搜索提供了一種方法。另外，可以在此基礎(chǔ)上進(jìn)行二次開發(fā)，作者就在此基礎(chǔ)上完成了Web界面上的搜索（類似百度的功能）。本軟件在南昌工程學(xué)院已開始試用，如圖5所示。

圖5 Web網(wǎng)頁搜索測(cè)試圖

根據(jù)本文的設(shè)計(jì)原理，用戶可以根據(jù)自己的實(shí)際需要，在界面上改進(jìn)與調(diào)整。

[1]梁斌.走進(jìn)搜索引擎[M].北京：電子工業(yè)出版社，2007.

[2]宋春陽.Web搜索引擎技術(shù)綜述[J].現(xiàn)代計(jì)算機(jī)，2008（5）.

[3]徐寶文.搜索引擎與信息獲取技術(shù)[M].北京：清華大學(xué)出版社，2003.