ChoSeitaku的博客

通过这个项⽬，进⼀步的了解了搜索引擎的⼯作原理，对Linux，HTTP，⽂件操作，数据结构等核⼼操作的理解有了进⼀步的提⾼，锻炼了项⽬设计，问题解决的能⼒。写的搜索引擎,功能/流程⼤多⽐较复杂,⽽此处我只需要⼀个⽐较简单的搜索引擎,因此需要对功能进⾏提炼,把最核⼼的部分提取出来并进⾏实现.该项⽬能够达成针对Boost⽂档的搜索预期效果，也就是通过浏览器访问服务器获取搜索⻚⾯，输⼊关键字进⾏搜索，得到预期正确的搜索结果.这样的⽂档包含多个查询词，相关性理解成更⾼，应该要排到更靠前的位置。

nohup，是一个调用，可以启动程序的时候，放在后台，以守护进程的形式来服务。把ID相同的内容合并掉，将合并的内容权值叠加上。即使关掉xshell，也可以访问boost搜索。创建一个log.hpp。通过kill来下掉运行。

* 先选中input标签，直接设置标签的属性，先要选中，input：标签选择器 *//* input在进行高度设置的时候，没有考虑边框的问题 *//*将body的内容100%和html的呈现是吻合的*//* 设置外边距的上边距，保持元素和网页的上部距离 *//* 设置边框属性：边框的宽度，样式，颜色 *//* 设置input内部的字体的颜色和样式 *//* 去掉网页中的所有的默认内外边距 *//* 设置button中的字体颜色 *//* 设置a标签中的文字的字体大小 */

创建http_server.ccmakefile。

因为pos是无符号整数，减去step过了0，成为负数，其实是变为一个特别大的值，此时就超过了start，远大于start，条件成立，更新start，start变为一个特别大的值；目前输入的关键词时每隔一空格内容分别进行搜索，大部分时候我们都是将一串包含空格的内容直接进行搜索，需要将代码改进。但是在获取摘要的时候，用的是原始的网页内容，提炼摘要的word是已经转为小写的词。实际在获取摘要，find的时候，就匹配不到了，因为fine不是忽略大小写的。在word里面保存的对应的搜索关键字，都变为小写。

private://供系统进行查找的索引public:public://1. 获取或者创建index对象std::cout << "获取index单例成功..." << std::endl;//2. 根据index对象建立索引std::cout << "建立正排和倒排索引成功..." << std::endl;//query: 搜索关键字//json_string: 返回给用户浏览器的搜索结果//1.[分词]:对我们的query进行按照searcher的要求进行分词。

建立倒排索引的时候要忽略大小写。

获取链接： git clone https://gitcode.net/mirrors/yanyiwu/cppjieba.git。因为当前我们是⼀个⼀个⽂档进⾏处理的，⼀个⽂档会包含多个”词“， 都应当对应到当前的doc_id。倒排索引⼀定是⼀个关键字和⼀组(个)InvertedElem对应[关键字和倒排拉链的映射关系]词和⽂档的相关性（词频：在标题中出现的词，可以认为相关性更⾼⼀些，在内容中出现相关性低⼀些）根据⽂档内容，形成⼀个或者多个InvertedElem(倒排拉链)打开util.hpp。

建立index.hpp文件。打开raw.txt文件。将解析内容写⼊⽂件中。

让头位置+上title的大小，就是有效区的起始，后面的查找到的位置，这是一个前闭后开的区间。在进行遍历的时候，只要碰到了>右标签，就意味着当前的标签被处理完毕。找到title关键字的开始位置，和/title关键字的开始位置。boost库的官方文档，和下载下来的文档是有路径的对应关系的。在整个文档里面去搜索title关键字和/title关键字。3. 编写parser.cc第二步的代码结构。只要碰到了<左标签，就意味着新的标签开始了。提取content，本质是进行去标签。编写parser.cc。

【代码】2.编写parser文件使用boost枚举文件名。

>：html的标签，这个标签对我们进行搜索是没有价值的，需要去掉这些标签，一般标签都是成对出现的。⽬前只需要boost_1_87_0/doc/html⽬录下的html⽂件，⽤它来进⾏建⽴索引。8. 拷贝boost库当中的doc目录下的html的所有内容到data下的input目录下。data目录底下的input放的就是数据源，也就是要进行搜索的8000多个html文档。2. 在data目录下创建raw_html目录，存放处理完之后的内容。把每个⽂档都去标签，然后写⼊到同⼀个⽂件中。

文档到内容的映射，存储每个文档及其包含的内容（如单词列表）。