Google和百度、雅虎的站内搜索代码

对于一个网站来说,使用搜索引擎来进行站内搜索往往比自己编写的站内搜索更高效,并且不占用网站服务器的资源,下面是我搜集到的几个主要搜索引擎(Google和百度、雅虎)的站内搜索代码,使用时只需要将代码里的"www.williamlong.info"替换成你的网址即可。

<!--Google站内搜索开始-->
<form method=get action="http://www.google.com/search">
<input type=text name=q>
<input type=submit name=btnG value="Google 搜索">
<input type=hidden name=ie value=GB2312>
<input type=hidden name=oe value=GB2312>
<input type=hidden name=hl value=zh-CN>
<input type=hidden name=domains value="www.williamlong.info">
<input type=hidden name=sitesearch value="www.williamlong.info">
</form>
<!--Google站内搜索结束-->

<!--Baidu站内搜索开始-->
<form action="http://www.baidu.com/baidu">
<input type=text name=word>
<input type="submit" value="Baidu 搜索">
<input name=tn type=hidden value="bds">
<input name=cl type=hidden value="3">
<input name=ct type=hidden value="2097152">
<input name=si type=hidden value="www.williamlong.info">
</form>
<!--Baidu站内搜索结束-->

<!--Yahoo站内搜索开始-->
<form action="http://www.yahoo.com.cn/search">
<input type=text name="p">
<input type="submit" value="Yahoo 搜索">
<input type=hidden name=vs value="www.williamlong.info">
</form>
<!--Yahoo站内搜索结束-->

  下面是Google和百度的Javascript版的站内搜索代码:

<!--Google站内搜索开始-->
<script type="text/javascript">
function googlesearch () {
var wq=document.getElementsByName("wq")[0].value;
var link="http://www.google.com/search?domains=www.williamlong.info&sitesearch=www.williamlong.info&q="+wq;
window.open(link); }
</script>
<input type="text" name="wq"/><input type="submit" οnclick="javascript:googlesearch()" value="Google 搜索" />
<!--Google站内搜索结束-->

<!--Baidu站内搜索开始-->
<script language="javascript">
function baidusearch () {
var wd=document.getElementsByName("wd")[0].value;
var link="http://www.baidu.com/s?si=www.williamlong.info&cl=3&ct=2097152&tn=baidulocal&word="+wd;
window.open(link); }
</script>
<input type="text" name="wd"/><input type="submit" οnclick="javascript:baidusearch()" value="Baidu 搜索" />
<!--Baidu站内搜索结束-->
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是一个使用循环神经网络进行时间序列预测的例,以及MATLAB代码。 案例:使用循环神经网络预测股票价格 1. 数据准备: 我们将使用雅虎财经网站上的苹果公司(AAPL)股票价格数据进行预测。我们将使用过去60天的数据来预测接下来5天的股票价格。 下载数据:https://finance.yahoo.com/quote/AAPL/history?p=AAPL 2. 数据预处理: 首先,我们需要导入数据并进行预处理。在这个案例中,我们将使用MATLAB来完成预处理。以下是MATLAB代码: ```matlab % 导入数据 data = readtable('AAPL.csv'); % 将日期转换为序列号 data.Date = datenum(data.Date); % 将数据按日期排序 data = sortrows(data,'Date'); % 选择要使用的变量 data = data(:,{'Open','High','Low','Close','AdjClose'}); % 将数据标准化 data = normalize(data); % 将数据分为训练集和测试集 train_data = data(1:2000,:); test_data = data(2001:end,:); ``` 在这里,我们首先导入数据,然后将日期转换为序列号,并将数据按日期排序。接下来,我们选择要使用的变量,这里我们选择了开盘价、最高价、最低价、收盘价和调整后的收盘价。然后,我们将数据标准化,以便在训练神经网络时更好地优化权重。最后,我们将数据分为训练集和测试集,其中前2000个数据点用于训练,后面的数据点用于测试。 3. 构建循环神经网络: 接下来,我们将构建一个循环神经网络来预测股票价格。我们将使用MATLAB的神经网络工具箱来构建神经网络。以下是MATLAB代码: ```matlab % 创建循环神经网络 net = layrecnet(1:2,10); % 配置训练参数 net.trainFcn = 'trainlm'; net.trainParam.epochs = 100; net.trainParam.goal = 0.001; % 训练神经网络 X_train = con2seq(train_data{:,:}'); Y_train = con2seq(train_data{:,5}'); [X_train, Xs] = mapminmax(X_train); [Y_train, Ys] = mapminmax(Y_train); net = train(net,X_train,Y_train,Xs,Ys); % 测试神经网络 X_test = con2seq(test_data{:,:}'); [X_test,~] = mapminmax(X_test,Xs); Y_pred = sim(net,X_test,Ys); Y_pred = mapminmax('reverse',Y_pred,Ys); % 绘制预测结果 figure plot(test_data.Date,test_data.AdjClose) hold on plot(test_data.Date(6:end),Y_pred{:},'r') datetick('x','yyyy-mm') xlabel('Date') ylabel('Adjusted Closing Price') legend('Actual','Predicted') ``` 在这里,我们首先创建了一个循环神经网络,其中输入序列的长度为2,隐含层中的神经元数为10。然后,我们配置了训练参数,选择了Levenberg-Marquardt算法作为训练函数,并设置了最大训练次数和目标误差。接下来,我们将训练数据分别用作输入和输出,并进行了归一化处理。然后,我们使用训练数据来训练神经网络。最后,我们使用测试数据来测试神经网络,并将预测结果绘制成图表。 4. 结果分析: 以下是预测结果的图表: ![预测结果](https://i.imgur.com/4uJZ1QD.png) 可以看出,神经网络能够很好地预测股票价格。预测结果与实际结果非常接近。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值