搜索引擎设计思路

   搜索指定的网页的主要处理过程如下：

  a、 首先需要取得指定网页内容， 即网页原始的HTML文本

  b、 对我那个也上的内容进行分析， 即对HTML文本进行解析， 分离出各种标记或元素。 例如标题（Title）、描述（Description）、内容（Content）、超级链接等。 把所有的超级链接放到某一数据结构里， 如Vector

  c、 根据关键字对内容进行检索。 采用某一种字符串查找算法对内容进行查找， 例如KMP算法

  d、 最后将搜索的结果显示到页面上

   这些处理过程如果用套接字进行编程， 通过编程进行HTML语法解析，功能实现将会变得十分复杂。 但是如果借助JAVA系统的类或者函数可以相对容易地完成， 因此我在此处采用该设计思路：

  A、 取得指定网页内容时，可以采用java.net.*包中的一些类和函数从而获得HTML文本流。 例如URL类， URLConnection类、HTTPURLConnection类等， 避免使用一些网络底层编程类和函数

 B、 对网页上的内容进行分析， 即对HTML文本进行解析， 可以采用javax.swing.html.HTMLEditorKit.*、 javax.swing.text.parser.*、 javax.swing.text.html.*等包中的类和函数， 比重重要的有ParseDelegator类、 ParseCallback类、HTML类、HTML.tag类、 MutableAttributeSet类。

——————————————————下面就几个主要的类和函数做一个简单的介绍——————————————

1、 URL

      URL（String protocol, String host, int port, String file）根据指定protocol、host、port号和file创建URL对象。 如果指定了未知协议则抛出异常： MalformedURLException

     URL（URL context, String spec, RLStreamHandler handler）: 通过在指定的上下文中用指定的处理程序对给定的spec进行解析来创建URL。 如果处理程序为null， 则使用两参数构造函数进行解析。 （handler为URL的流处理程序）

    final InputStream openStream() 打开此URL的链接并返回一个用于从该链接读入的InputStream输入流。 该函数是openConnection().getInputStream()函数的简化形式。 返回值为从URL链接读入的输入流.

   String getPath(): 获得URL的路径部分， 返回此URL的路径部分， 如果没有路径，则返回一个空字符串

   boolean  equals(Object obj) 比较此URL是否和另一个对象相等。 如果给定的对象不是一个URL则返回false.

 

2、 URLConnection类简介

    ...  ... 

    写得太累了， 其他的还是自己参照API学习使用吧。   ^_^   ^_^