豆豆小说网

手机浏览器扫描二维码访问

第43章 搜索引擎（第1页）

搜索引擎，顾名思义，便是一种用于搜索信息而产生的工具。

一般解释而言，便是通过用户的需求，和一定的算法，将用户输入的关键词与互联网上现存的信息进行匹配，并按照相关度和时间顺序，将符合要求的信息罗列在用户的眼前。

搜索引擎这门生意讲究的是个先来后到。

如果能在最早的时候将知名论坛和网站的内容全部爬取，那就会在用户占有率上占尽优势。

要知道在这个时间点，日后驰名全球的寻他公司和布谷公司还在娘胎里，呀唬公司的搜索引擎虽然已经诞生，但其底层技术依旧是依靠人工存放网站目录，可谓是效率极其低下。

现在已经有互联网信息爆炸的趋势了，随着信息越来越多，人工处理流程必将被淘汰，而王向中设想的，则是抢在市场最前列，将新一代的搜索引擎提前面世。

实际上做一个搜索引擎并没有看上去那么轻松。

首先是代码问题，这个年代网页技术还停留在web1.o（互联网1.o）的时代，先暂且不提Ajax（AsynchronousJavascriptAndXmL，异步JavaScript和XmL）这种动态页面刷新机制，就连JavaScript（一种web页面脚本语言）都还尚未出现。

还好windows公司相当强大，早在1996年发布了ASP1.o（ActiveServerPages，动态服务器页面），这也让王向中不必苦哈哈地用大量c语言进行后端代码编写工作。

接下来就是数据的爬取和存储问题。

这话虽然听起来很高端，但实际上也就是将数据从别的网站上摘下来，进行索引和关键词分配的简单加工后存储的过程。

这个时候Python语言尚还叫ABc语言，很显然在这个年代使用这个失败的产品是不太合适的，使用更加成熟的c++也许可以解决一些问题。

将爬虫模型简单地铺开来讲，最基础的爬虫，便是通过程序直接访问网页的源代码，通过正则表达式匹配出网页的标题和其具体内容，再接着分析网页内的超链接所指向的页面，逐步将整个网站的内容收入囊中。

再接下来便是数据的存储问题。

mySQL（一种关系数据库管理系统）可以完美地代替文本文档进行数据存取，因为它有一项对于搜索引擎而言重要的功能——索引。

索引可以给一条数据给予定义。

举个最简单的比方，为了节省空间，图书馆的书一般是纵向摆放，而在每本书的侧面上，都写有书名和作者姓名。

这个书名和作者姓名，就是一本书的“索引”

，当你想要找一本书的时候，显然不可能将每本书都打开细细查阅一番，这无疑是在浪费时间。

而通过书名和作者名，你可以轻松地找到自己想要的那本书。

假设一本书是一条数据，那么通过索引功能，便可以轻松地将它从数据库中调取出来，而不必辛苦地逐行逐字分析书本的内容。