在云服务器ECS上用Python写一个搜索引擎

一、场景介绍

一台阿里云ECS云服务器就是一台带有公网IP地址的计算机。用户可以通过远程登录使用这台计算机；同时，由于带有公网IP，用户在ECS云服务器上部署的网站、APP、小程序等，可以被其他人通过互联网访问。

本实验应用PageRank算法，使用Python，在一台ECS云服务器上搭建了一个简易版的搜索引擎。可以用单个英文词语作为搜索词，搜索相关的网页。实现的效果如下图所示。在搜索框中，输入搜索词，例如"universe"，单击搜索，搜索引擎即会按相关度从高到低，列出相关的网页。

二、搜索引擎的组成

本案例中的搜索引擎由两部分组成：网页的爬取及排序，以及用户使用搜索引擎进行搜索。

2.1 网页的爬取及排序

首先，搜索引擎需要从互联网上爬取网页。爬取到网页后，做两方面的工作：

1. 获取网页间的超链接关系，使用PageRank算法对网页进行排序。PageRank算法的基本原理是，被引用越多的网页（即获取的超链接越多），重要性越高，类似于被引用次数越多的学术论文重要性越高的原理。对算法的说明可参考下面这本书：Google’s PageRank and Beyond: The Science of Search Engine Rankings。

2. 编制搜索词的索引。从网页中提取词语，分析这些词语出