10分钟用Python快速搭建全文搜索引擎详解流程

 更新时间:2021年10月28日 15:33:09   作者:Monster_起飞  
读万卷书不如行万里路,只学书上的理论是远远不够的,只有在实战中才能获得能力的提升,本篇文章带你用python花10分钟迅速搭建一个好玩的Python全文搜索引擎,大家可以在过程中查缺补漏,提升水平

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

在这里插入图片描述

代码所在

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

在这里插入图片描述


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]  
            title = query(result, title_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脚本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脚本之家!

相关文章

  • Python eval() 函数看这一篇就够了

    Python eval() 函数看这一篇就够了

    eval(str)函数很强大,官方解释为将字符串str当成有效的表达式来求值并返回计算结果,下面这篇文章主要给大家介绍了关于Python eval() 函数的相关资料,需要的朋友可以参考下
    2022-01-01
  • Python数据结构之翻转链表

    Python数据结构之翻转链表

    这篇文章主要介绍了Python数据结构之翻转链表的相关资料,需要的朋友可以参考下
    2017-02-02
  • pandas使用get_dummies进行one-hot编码的方法

    pandas使用get_dummies进行one-hot编码的方法

    今天小编就为大家分享一篇pandas使用get_dummies进行one-hot编码的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-07-07
  • python爬虫之selenium模块

    python爬虫之selenium模块

    本文详细讲解了python爬虫之selenium模块,文中通过示例代码介绍的非常详细。对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2022-06-06
  • Python设计模式结构型享元模式

    Python设计模式结构型享元模式

    这篇文章主要介绍了Python享元模式,享元模式即Flyweight Pattern,指运用共享技术有效地支持大量细粒度的对象,下面和小编一起进入文章了解更多详细内容吧
    2022-02-02
  • python中的np.argmax() 返回最大值索引号

    python中的np.argmax() 返回最大值索引号

    这篇文章主要介绍了python中的np.argmax() 返回最大值索引号操作,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
    2021-06-06
  • python语言中pandas字符串分割str.split()函数

    python语言中pandas字符串分割str.split()函数

    分列在我们日常工作中经常用到,从各种系统中导出的什么订单号、名称、日期很多都是复合组成的,这些列在匹配、合并时没有办法使用,我们经常需要将她们分开,下面这篇文章主要给大家介绍了关于python语言中pandas字符串分割str.split()函数的相关资料,需要的朋友可以参考下
    2022-08-08
  • Python分治法定义与应用实例详解

    Python分治法定义与应用实例详解

    这篇文章主要介绍了Python分治法定义与应用,较为详细的分析了Python分治法的概念、原理、用途,并结合实例总结了Python分治法的各种常见应用,需要的朋友可以参考下
    2017-07-07
  • Python类和对象基础入门介绍

    Python类和对象基础入门介绍

    Python 是一种面向对象的编程语言。Python 中的几乎所有东西都是对象,拥有属性和方法。类(Class)类似对象构造函数,或者是用于创建对象的蓝图
    2022-08-08
  • 浅谈Pytorch中的自动求导函数backward()所需参数的含义

    浅谈Pytorch中的自动求导函数backward()所需参数的含义

    今天小编就为大家分享一篇浅谈Pytorch中的自动求导函数backward()所需参数的含义,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-02-02

最新评论