摘 要： 如何在各高校內(nèi)部成百上千個(gè)資源站點(diǎn)中,，快速有效地查找到所需信息成為網(wǎng)絡(luò)用戶面臨的一個(gè)突出問題。為此提出了一款校內(nèi)搜索引擎軟件的設(shè)計(jì),，解決了當(dāng)前各高校大學(xué)生對本校信息難于快速有效獲取的問題,。
關(guān)鍵詞： Java；校內(nèi),；搜索引擎,；設(shè)計(jì)
當(dāng)前，面對浩瀚的網(wǎng)絡(luò)資源,，搜索引擎為所有網(wǎng)上沖浪的用戶提供了一個(gè)入口,，所有的用戶都可以借助于搜索引擎到達(dá)自己想去的網(wǎng)上任何一個(gè)地方。隨著Internet的快速發(fā)展,，海量信息和人們獲取所需信息能力之間的矛盾日益明顯,，在信息海洋里查找信息，如同大海撈針一樣,，而搜索引擎的出現(xiàn)正好解決了這一難題,。
目前高校校內(nèi)信息量的不斷增加，面對浩瀚的網(wǎng)絡(luò)信息,，選擇資源范圍廣而針對性不強(qiáng),，很難搜到符合自己的資源。針對這種情況,，本文提出了一款校內(nèi)搜索軟件的設(shè)計(jì)與實(shí)現(xiàn)方法,。該軟件采用Java語言開發(fā)，是一款簡易且實(shí)用的校內(nèi)搜索引擎軟件,。
1 設(shè)計(jì)原理
搜索引擎系統(tǒng)[1]通常是指互聯(lián)網(wǎng)信息檢索系統(tǒng),。本系統(tǒng)是建立在通過網(wǎng)絡(luò)爬蟲軟件抓取大量的網(wǎng)絡(luò)資源的基礎(chǔ)上進(jìn)行開發(fā)設(shè)計(jì)的，系統(tǒng)通過對抓取的網(wǎng)頁文件進(jìn)行智能提取,、去標(biāo)注,、內(nèi)容分析等處理，再經(jīng)過索引加載建立索引數(shù)據(jù)庫,。用戶可以通過搜索頁面查詢索引數(shù)據(jù)庫,，返回包含所有匹配查詢關(guān)鍵詞的網(wǎng)頁[2],。
校內(nèi)搜索引擎軟件的設(shè)計(jì)原理如圖1所示，其原理如下：（1）通過網(wǎng)絡(luò)爬蟲軟件抓取網(wǎng)頁內(nèi)容,；（2）從抓取的網(wǎng)頁文件中獲取索引表,，索引表內(nèi)容為每個(gè)文件的序號與網(wǎng)址信息，得到網(wǎng)頁文件庫里面的內(nèi)容即為網(wǎng)頁文件,；（3）對得到的網(wǎng)頁文件庫進(jìn)行處理,，使用正則表達(dá)式去除網(wǎng)頁標(biāo)注信息，得到的新內(nèi)容存放在一個(gè)新的文件夾中,，作為內(nèi)容信息庫,；（4）根據(jù)網(wǎng)頁文件庫和索引表，得到一個(gè)新的文件（也稱為標(biāo)題和網(wǎng)址信息庫）,，其里面的內(nèi)容為每個(gè)文件的序號,、標(biāo)題和網(wǎng)址等信息；（5）當(dāng)用戶需要查找自己需要的信息時(shí),，只要輸入關(guān)鍵詞,，搜索引擎軟件根據(jù)用戶輸入的關(guān)鍵詞在內(nèi)容信息庫中進(jìn)行查找[3]，如果內(nèi)容信息庫中存在用戶查找的內(nèi)容,，軟件將根據(jù)給內(nèi)容所在的文件序號,，在標(biāo)題和網(wǎng)址信息庫中提取出該內(nèi)容所在的標(biāo)題與網(wǎng)址等信息，最后再加上內(nèi)容信息庫中與關(guān)鍵詞相關(guān)的內(nèi)容信息作為查找的結(jié)果顯示出來,。
2 具體算法實(shí)現(xiàn)
搜索引擎軟件開發(fā)環(huán)境：Myeclipse平臺,，使用Java語言。首先可以Myeclipse平臺新建一個(gè)java project,，在新建的project中需要導(dǎo)入下面一些相關(guān)的文件：
import java.io.BufferedReader,；
import java.io.File；
import java.io.FileNotFoundException,；
import java.io.FileReader,；
import java.io.IOException；
import java.io.InputStreamReader,；
import java.util.StringTokenizer,；
搜索引擎軟件中獲得搜索結(jié)果的搜索函數(shù)核心代碼如下：
//根據(jù)用戶輸入的關(guān)鍵詞，在相應(yīng)的庫中進(jìn)行搜索,，并返回搜索結(jié)果信息
private static String search（String[] str,， int n， String filepath）
{
String all=null,；
File file=new File（filepath）,；
try{
String[] filelist=file.list（）；
for（int i=0,，flen=filelist.length,；i<flen,； i++）
{
File readfile=new File（filepath+"\\"+
filelist[i]）；
String upname=readfile.getName（）,；
upname=upname.substring（0,，upname.length
（）-4）；//去掉文件名中的.txt用于后面找網(wǎng)址
BufferedReader br=new BufferedReader
（new FileReader（
readfile））,；
String s="",， ss=br.readLine（）；
while （ss != null）
{
s=s+ss,；//s中存放文件內(nèi)容的信息
ss=br.readLine（）,；
}
//判斷當(dāng)前讀入的記錄行中是否有
//輸入的關(guān)鍵詞，輸入了幾個(gè)關(guān)鍵詞
switch （n）
{
case 1：//1個(gè)關(guān)鍵詞的情況
int end=s.indexOf（str[0]）,；
if （end != -1）
{
upname=Url（upname）；
//獲取存標(biāo)題與網(wǎng)址信息
s=s.substring（end,， 20）,；
//取關(guān)鍵字后的20個(gè)字符
all=all+"\n"+upname+"
關(guān)鍵字內(nèi)容："+s；
flag=1,；
break,；
} else
break；
case 2：//2個(gè)及多個(gè)關(guān)鍵詞的情況
......
}
br.close（）,；//一定要關(guān)閉資源
}
} catch （FileNotFoundException e）
{
e.printStackTrace（）,；
} catch （IOException e）
{
e.printStackTrace（）；
}
return all,；
}
搜索函數(shù)中調(diào)用的其他主要函數(shù)代碼如下：
// 通過傳遞的文件名參數(shù),，在文件TitleInfo中查找得到與此文件名對應(yīng)的標(biāo)題信息+網(wǎng)址信息
public static String Url（String filename）
{
String filepath="D：\\test\\TitleInfo\\TitleInfo.txt"；
File file=new File（filepath）,；
String url="",；
try
{
BufferedReader br=new BufferedReader（new
FileReader（file））；
String s=br.readLine（）,；//讀入第一行信息
while （s !=null）
{
if（s.indexOf（filename）!=-1）
{
url=s.substring（s.indexOf（"標(biāo)題"）,，s.length（））；
//取該行標(biāo)題后的信息
break,；
} else
s=br.readLine（）,；//讀入下一行的信息
}
br.close（）；//一定要關(guān)閉資源
} catch （FileNotFoundException e）
{
e.printStackTrace（）,；
} catch （IOException e）
{
e.printStackTrace（）,；
}
return url；
}
至此,，完成了搜索引擎軟件代碼的編寫工作,，接下來可以進(jìn)行run操作（即可以在指定內(nèi)容信息庫與標(biāo)題和網(wǎng)址信息庫中進(jìn)行操作）,，返回用戶查找的相關(guān)網(wǎng)頁文件的序號、標(biāo)題,、網(wǎng)址和主要內(nèi)容等信息的結(jié)果,。
3 實(shí)驗(yàn)結(jié)果分析
內(nèi)容信息庫的存放路徑為D：\test\ContentInfo；內(nèi)容信息庫中的內(nèi)容如圖2所示,。標(biāo)題和網(wǎng)址信息庫的存放路徑為D：\test\TitleInfo,；文件庫中存放了標(biāo)題和網(wǎng)址信息文件，文件名為TitleInfo.txt,，其內(nèi)容如圖3所示,。
運(yùn)行該搜索引擎軟件，得出的輸出結(jié)果如圖4所示,。
由圖4可以看到,，通過該系統(tǒng)可以把待測文件中臟字及臟詞組出現(xiàn)的次數(shù)全部顯示出來，其結(jié)果與實(shí)際情況完全一致,。
針對當(dāng)前網(wǎng)絡(luò)在高校的應(yīng)用越來越普及,，校內(nèi)網(wǎng)絡(luò)中的資源也越來越多，而目前市場上的搜索軟件（如百度,、谷歌的）又難以滿足實(shí)踐的需要,，并且有些搜索軟件比較昂貴。本文在基于這些問題的情況下進(jìn)行研究 與分析,，提出了校內(nèi)網(wǎng)絡(luò)資源搜索軟件的設(shè)計(jì)方法,，并在Myeclipse環(huán)境下通過Java語言實(shí)現(xiàn)了這種方法，為高校校內(nèi)網(wǎng)絡(luò)資源的搜索提供了一種方法,。另外,，可以在此基礎(chǔ)上進(jìn)行二次開發(fā)，作者就在此基礎(chǔ)上完成了Web界面上的搜索（類似百度的功能）,。本軟件在南昌工程學(xué)院已開始試用,，如圖5所示。
根據(jù)本文的設(shè)計(jì)原理,，用戶可以根據(jù)自己的實(shí)際需要,，在界面上改進(jìn)與調(diào)整。
參考文獻(xiàn)
[1] 梁斌.走進(jìn)搜索引擎[M].北京：電子工業(yè)出版社,，2007.
[2] 宋春陽.Web搜索引擎技術(shù)綜述[J].現(xiàn)代計(jì)算機(jī),，2008（5）.
[3] 徐寶文.搜索引擎與信息獲取技術(shù)[M].北京：清華大學(xué)出版社，2003.