搜索引擎关键字背后的秘密

 

最近一直在做搜索引擎的总结，不妨拿来Google的例子讲讲，正好为以后总结QueryParser做个热身。

最近网上也逐渐流行起来，“揭秘”——Google输入框下隐藏的秘密。我是不知道Google底层是怎么实现的，但在我看来它对关键字的处理恰似Lucene的QueryParser。这样一来，Google便正确理解了用户的意图，构建了正确的对象，返回了用户可能需要的链接。

 

而Google对关键字的预处理（关键字转换）不外乎这几类：

 

1.       可以用正则表达式（或者说是通配符）

如：http://[a-z]{1,3}//.abc//.com/.*   这表示查询所有域名末尾是abc.com的网址

（正则表达式看起来很困难，但是用起来却是非常快捷的，以后的文章中会有总结）

Wor？表示关键词有四个字母，前三个是Wor的

 

2.       AND，OR，NOT

如：黄 AND 川，表示既包含“黄”又包含“川”的。

        Java OR Lucene，表示包含“Java”、“Lucene”之一的。

        Compass NOT SSH，表示包含“Compass”但是不包含“SSH”的。

 

3.      恢复停滞词

像I, and, then ,if这类的词在搜索引擎中被称为停滞词，因为在句子中起不到太大的意义，有时候就会被忽略。那么只要填上“+”加号就可以将停滞词连接起来，从而被搜索到了。

 

4.       搜索参数

如：“intitle：” 仅仅只会搜索网页标题。eg:intitle:Lucene

        “index of” 是寻找网络和FTP目录

“inurl：”只会搜索网页的网址

“inanchor：”只会寻找那些作为超链接的文本

“link：”会告知有多少链接指向一个网站

“related：”来找到Google认为相似的内容

“info:site_name”可以返回关于某特定页面的信息

等等……

 

 

       关于Google的“秘密”，网上已经有不少了，所以本人在此就不再累赘复述，只是为明天的QueryParser总结热热身