Create Your Own Search Engine with Python 用python创建你自己的搜索引擎（二）-优快云博客

本文详细介绍了使用Python构建搜索引擎的过程，包括工作原理、搜索算法及实际代码应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Create Your Own Search Engine with Python

用python创建你自己的搜索引擎（二）

接上一篇，我自己分的部分，全挤一篇太长，本部分主要介绍工作原理和简单的搜索（查找）算法。原文地址：http://www.zackgrossbart.com/hackito/search-engine-python/

它的工作原理

这个应用程序是四种技术（这里又是四种了哦！）的结合。一些代码运行在你的服务器上，另一些则是运行在浏览器上。所以，要记住你在构建代码时，代码运行所处的context。

这个示例程序包含一个示例搜索表单(search form)——Search.html。你可以把这个文件修改成你想要的样子，但是必须确保表单控制端(form controls)的名字保持相同。这个表单指定/cgi-bin/search.py的URL行为。也许你需要修改URL，这样才能对映这搜索脚本在web服务器上所放的位置。之后，用户输入要搜索的词项，点击搜索按钮，数据（词项）被传给服务器的search.py脚本。这个脚本接收搜索词项后，开始实际的搜索，最后返回搜索结果。

搜索结果页面是基于SearchResults.html文件生成的。这个HTML文件一定要和search.py脚本放在同一目录下，它包含两个特殊的值${SEARCH_TERMS_GO_HERE} 和${SEARCH_RESULTS_GO_HERE} （那个应该是JSP的语法吧？没学过）。这俩值会分别被搜索词和搜索结果替换。（下一句毫无预兆地跳转，貌似是外国佬的风格）每条搜索结果都包含了一个超链接，链接到那些包含用户搜索词项的网页，另外结果中还包含一些特殊的信息，JavaScript可以根据这些信息在这些页面中对搜索词进行高亮标记。当用户点击任一链接，他们会进入链接的HTML页面，里面包含用户指定的搜索词项，并且页面中所有的搜索词项都进行了高亮处理。

具备高亮功能的页面一定会有一段小小的code reference（代码引用？）。在每个HTML文件的开头，都要导入Javascript和CSS文件，才知道如何处理搜索要求。代码如下：

<script type="text/javascript" src="../search.js" />
<style type="text/css" media="all">
    @import "../SearchResults.css";
</style>

这些文件内嵌了javascript来搜索页面，还包含样式单(style sheet)负责说明词项如何进行高亮。除了要导入代码，还必须运行程序。运行的代码会响应主体标志产生的装载事件（onload event）。这个声明非常简单。代码如下：

<body onload="doSearch();">

这段代码会在页面装入时运行，于是就得到高亮处理的搜索词项。

普遍使用的搜索算法和这个使用的算法

Donald Knuth 所著Sorting and Searching是我最早读的编程书之一（这书这么难的居然是最早读的，我现在还不敢读呢……）。这本大部头讨论了影响最深远的编程问题之一——查找（search 查找？搜索？检索？）的主要方法。从根本上来说，查找是非常困难的问题，也存在着多种不同的查找算法。这个程序使用的顺序查找（线性查找？），又是基础中的基础。顺序查找意味着该程序就是简单地把文件一个个打开，在里面查找词项，找完后关闭文件。（再转一次，实际上应该是另一段的开头）另外，我们的程序没有创建任何类型的搜索索引。

搜索索引可能是个文件，也可能是数据集，总之会在搜索之前创建。索引会将所有你可能搜索到的项，以某种格式——通常会以某种有用的方式排序（比如树）——进行相连，这样可以快速地进行查找。构建搜索索引主要用于处理大数据集合，这里我们需要高效、优越的性能。不过，在处理小数据集合时，顺序检索反而会更快。我们的这个程序就使用了可用的查找算法中的一种。

下一部分开始分析实际代码了。

原文：http://www.zackgrossbart.com/hackito/search-engine-python/

另外，我好像未经授权就翻译并发布了，没问题吧？要不要亡羊补牢下？