杭电搜索引擎要点分析.docVIP

杭州电子科技大学搜索引擎开发 项目简介 本项目要构建一个杭州电子科技大学校内网络的搜索引，搜搜引擎的主页面如图1-1所示。 图1-1 简单搜索引擎的主页面 用户登录到这个搭建好的网站上，输入所期望获取的信息的关键字后，搜索引擎会返回给用户所输入的关键字的网页地址、网页标题以及摘要。例如，输入“杭电”这个关键词后，显示结果如图1-2所示。用户可以从显示页面中选中一个标题，双击此标题就能浏览所选定网页内容。 图2-1 搜索引擎查询界面 搜索引擎的体系结构 一个完整的搜搜引擎主要包含3个部分：网页搜集、网页预处理和提供查询服务。图2-1为本搜索引的体系结构图。 图2-1 搜索引擎的体系结构图 开发工具 为了构建一个简单的搜索引擎，在本项目中采用的开发语言为java，其中用到的爬虫索引工具开发工具下载地址如下： JDK 1.7 下载地址为：/Eclipse-jee-kepler-SR1 下载地址为: /； apache-tomcat-6.0.37 下载地址为：/； Heritrix 1.14.4 下载地址为：/； Lucene 2.2.0 下载地址为：/’； je-analysis-1.5.1.jar 下载地址为：/； HTMLParser-2.0 下载地址为：/projects/htmlparser/；