10分钟搭建一个好玩的Python全文搜索引擎

开发 后端
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。来看一下吧。

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。 

 

责任编辑:庞桂玉 来源: 马哥Linux运维
相关推荐

2024-04-29 08:50:26

Python模块BERT

2017-08-17 16:42:38

Elastic 全文搜索服务器

2018-12-28 09:48:11

SolrElasticSear搜索

2021-09-13 06:03:42

CSS 技巧搜索引擎

2024-02-27 07:33:32

搜索引擎Rust模型

2017-11-27 13:39:29

Python大数据搜索引擎

2021-04-12 10:38:17

ElasticSearSolrJava

2011-06-20 18:23:06

SEO

2012-04-13 09:05:41

LuceneJava

2020-10-28 11:40:08

MySQL索引数据库

2020-12-31 09:20:51

Redis搜索引擎

2021-07-29 23:29:55

web服务器开发

2009-02-19 09:41:36

搜索引擎搜狐百度

2009-09-22 16:23:52

搜索引擎

2019-10-31 08:55:07

搜索引擎工具

2010-12-10 17:23:56

IBMIaaS

2020-12-10 11:18:47

Redis搜索引擎Java

2017-08-07 08:15:31

搜索引擎倒排

2020-03-20 10:14:49

搜索引擎倒排索引

2019-07-10 13:17:07

大数据搜索代码
点赞
收藏

51CTO技术栈公众号