10 分鐘 純 Python 搭建全文搜索引擎

有一個(gè)群友在群里問個(gè)如何快速搭建一個(gè)搜索引擎，在搜索之后我看到了這個(gè)

# 代碼所在

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

官方很貼心，很方便的是已經(jīng)提供了docker 鏡像，基本pull下來就可以很方便的使用了，執(zhí)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的狀態(tài)，就可以正常的使用了

# 思考

怎么樣，是不是很方便，我們先看看源碼是怎么樣實(shí)現(xiàn)的

我們打開里面的代碼，其實(shí)本質(zhì)就是將request之后的結(jié)果做一個(gè)大的聚合，至于數(shù)據(jù)來源，我們可以是來于DB,或者文件，我們可以看一下他的核心代碼

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

    qkey = 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

# 結(jié)果

每個(gè)response的時(shí)候我們都要以輕松的定制返回的數(shù)據(jù)（可以是網(wǎng)絡(luò)，可以是數(shù)據(jù)庫，可以是文件），那我們進(jìn)一步想一下，如果我們可以hack response 結(jié)果，那我們完全可以將自己爬來的數(shù)據(jù)做為返回結(jié)果。如果是1024之類的，完全可以打造自己的“愛好”小引擎，代碼我就不貼了，大家可以自己動手自己玩玩。結(jié)合jieba分詞，可以更好玩一點(diǎn)。

原文鏈接：https://brucedone.com/archives/838