10分钟搭建一个好玩的Python全文搜索引擎

有一个群友在群里问个如何快速搭建一个搜索引擎，分钟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，搭建很方便的个好是已经提供了docker 镜像，基本pull下来就可以很方便的全文使用了，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,搜索正常查看docker的状态，就可以正常的引擎使用了

思考

怎么样，是分钟不是很方便，我们先看看源码是搭建怎么样实现的

我们打开里面的源码下载代码，其实本质就是个好将request之后的结果做一个大的聚合，至于数据来源，全文我们可以是搜索来于DB,或者文件，我们可以看一下他的引擎核心代码 

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，可以是分钟数据库，服务器托管可以是搭建文件），那我们进一步想一下，个好如果我们可以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。 

亿华云

很赞哦!（79）