10分钟用Python快速搭建全文搜索引擎详解流程

有一个群友在群里问个如何快速搭建一个搜索引擎，在搜索之后我看到了这个

代码所在

• Git:https://github.com/asciimoo/searx

官方很贴心，很方便的是已经提供了docker 镜像，基本pull下来就可以很方便的使用了，执行命令

cid=$(sudo docker ps -a | grep searx | awk '{print $1}')  
echo searx  cid is $cid  
if [ "$cid" != "" ];then  
   sudo docker stop $cid  
   sudo docker rm $cid  
fi
sudo docker run -d --name searx -e IMAGE_PROXY=True -e BASE_URL=http://yourdomain.com  -p 7777:8888 wonderfall/searx

然后就可以使用了,正常查看docker的状态，就可以正常的使用了

思考

怎么样，是不是很方便，我们先看看源码是怎么样实现的

我们打开里面的代码，其实本质就是将request之后的结果做一个大的聚合，至于数据来源，我们可以是来于DB,或者文件，我们可以看一下他的核心代码

from urllib import urlencode  
from json import loads  
from collections import Iterable  
search_url = None  
url_query = None  
content_query = None  
title_query = None  
suggestion_query = ''  
results_query = ''  
# parameters for engines with paging support  
#  
# number of results on each page  
# (only needed if the site requires not a page number, but an offset)  
page_size = 1
# number of the first page (usually 0 or 1)  
first_page_num = 1  
def iterate(iterable):  
   if type(iterable) == dict:  
       it = iterable.iteritems()  
   else:  
       it = enumerate(iterable)  
   for index, value in it:  
       yield str(index), value
def is_iterable(obj):  
   if type(obj) == str:  
       return False  
   if type(obj) == unicode:
       return False  
   return isinstance(obj, Iterable)  
def parse(query):
   q = []  
   for part in query.split('/'):  
       if part == '':  
           continue  
       else:  
           q.append(part)  
   return q  
def do_query(data, q):  
   ret = []  
   if not q:  
       return ret  
   qqkey = q[0]  
   for key, value in iterate(data):  
       if len(q) == 1:  
           if key == qkey:  
               ret.append(value)  
           elif is_iterable(value):  
               ret.extend(do_query(value, q))  
       else:  
           if not is_iterable(value):  
               continue  
           if key == qkey:  
               ret.extend(do_query(value, q[1:]))  
           else:  
               ret.extend(do_query(value, q))  
   return ret  
def query(data, query_string):
   q = parse(query_string)  
   return do_query(data, q)  
def request(query, params):  
   query = urlencode({'q': query})[2:]  
   fp = {'query': query}  
   if paging and search_url.find('{pageno}') >= 0:  
       fp['pageno'] = (params['pageno'] - 1) * page_size + first_page_num  
   params['url'] = search_url.format(**fp)  
   params['query'] = query  
   return params  
def response(resp):  
   results = []  
   json = loads(resp.text)  
   if results_query:  
       for result in query(json, results_query)[0]:  
           url = query(result, url_query)[0]  
           title = query(result, title_query)[0]  
           content = query(result, content_query)[0]  
           results.append({'url': url, 'title': title, 'content': content})  
   else:
        for url, title, content in zip(  
           query(json, url_query),  
           query(json, title_query),  
           query(json, content_query)  
       ):  
           results.append({'url': url, 'title': title, 'content': content})
   if not suggestion_query:  
       return results
    for suggestion in query(json, suggestion_query):  
       results.append({'suggestion': suggestion})  
   return results

结果

每个response的时候我们都要以轻松的定制返回的数据（可以是网络，可以是数据库，可以是文件），那我们进一步想一下，如果我们可以hack response 结果，那我们完全可以将自己爬来的数据做为返回结果。如果是1024之类的，完全可以打造自己的“爱好”小引擎，代码我就不贴了，大家可以自己动手自己玩玩。结合jieba分词，可以更好玩一点。

来源：https://blog.csdn.net/Monsterof/article/details/120973384