针对Index+Server的站内搜索系统分析研究及应用.pdfVIP

摘要 在电子商务方兴未艾的今天，企业上网不但是为了展示企业形象，提高知名度；也意味 着无穷的商机与财富。而内部网Intranet则为企业带来了全新的沟通方式和管理理念。因此 构建企业Web站点已经排上了许多企业信息部门的日程。Web的优点在于可以方便的展示 大量信息，但同时也带来了信息的泛滥使得寻找有效信息非常困难。为此，好的企业网站都 拥有强大的搜索引擎，使得网站更加友好和便利。对于有政策法规、合同定单等大量文档上 网的企业网站，信息搜索的服务必不可少。 Index Server是专门为企业网站设计的专业搜索引擎，利用它可以非常轻松的在网站中 加入功能强大的信息搜索功能。并且IndexServer搜索的文件不局限于HTML格式，还支持 更多的文件格式。搜索范围可以是存放在本地服务器中的内容，也可以是网络中其他机器的 共享资源，包括1NTERNET中的资源。搜索时除了文档中的关键字词以外，还可以就文件 大小、修改日期、作者等属性进行搜索。此外IndexServer还支持英文、简体中文、德语、 法语、臼语等语种，无须编程，就可在网站中实现多语种的搜索引擎。由于IndexServer是 零维护设计，故只需启动IndexServer服务，搜索引擎就会自动运行。而在Web服务器端， 需要加入与IndexServer连接的页面。传统Index Server的工作过程由浏览器通过HTML文 档的FORM表单向Web服务器发出请求开始，W曲服务器通过一个类似于数据库接口的专 Server Server连接，将客户的请求转换成IndexServer理解的语句。Index 用文件．IDQ与Index 再将查询结果按照模板文件HTX定义的格式组织成HTML文档，通过Web服务器返回给 浏览器。这种方式称为HTML／IDQ／HTX方式，需要三个文件配合完成查询。使用这种方式 Server 不能对查询结果进行处理，并且模板文件HTX格式单一。因此微软在Index2．0中加 强大的脚本语言操纵，因此Web开发者可以设计条件复杂的查询，并能更加精确的处理查 询结果。 本文围绕站内搜索这一课题，对Index戤．-rver索引技术、数据采集这两大站内搜索的核 心支撑技术进行了深入细致的研究与分析，并在对google、百度、搜狗等已有站内搜索产品 和市场详细调研的基础上实现了一个实时站内搜索系统。本文所做的主要工作、技术难点与 创新处如下： 1．大量查阅了站内搜索的相关资料，追溯了站内搜索兴起的原因及其发展过程，认真 学习了站内搜索的体系结构、架构过程及应用实旌的知识，深入领会了站内搜索的 概念及其核心支撑技术。 2．深入细致的学习了IndexServer索引的概念、特点以及IndexServer系统的体系结构， 并研究了数据的索引过程：过滤，字分离和规范化，并对实现索引查询的数据流程、 体系结构、查询后的结果集以及将Index server索引服务器的数据库连接器做为二次 开发的类库进行了详细的分析与研究，而且也从应用的角度对Indexserver服务器中 的时间排序、精确排序做了深入的学习。 3．认真学习了SQL数据库的相关知识，分析了数据库的体系结构，并重点学习了如何 实现对数据库的监控和安全访问。 Studio2003开发【具，详细的研究了Windows服务的开发模式， 4．深入学习Visual 长避短，不仅大大提高了生产效率，而且明晰了系统结构，为系统稳定安全的运行 提供了保障。 3 5．深入的学习了网络通信编程技术，以及TCP／IP协议和信息包的知识，并将之用在数 据采集的C／S系统中。 6．基于上述原理和已有的研究成果，设计并实现了站内搜索系统，该系统具有的特点 与创新如下： 1) 本系统中数据采集子系统采用了C／S结构，系统的所