java实现简单的搜索引擎

记得java老师曾经说过百度的一个面试题目，大概意思是“有1W条无序的记录，如何从其中快速的查找到自己想要的记录”。这个就相当于一个简单的搜索引擎。简单搜索引擎最近在整理这一年的工作中，自己竟然已经把这个实现了，今天对其进一步的抽象，和大家分享下。简单搜索引擎

先写具体的实现代码，具体的实现思路和逻辑写在代码之后。

搜索时用于排序的Bean

构造的搜索数据结构以及简单的搜索算法

测试用例：

测试输出结果如下：

这样一个简单的搜索引擎也就算是完成了。

但是这个示例文件有很多问题，首先，显示的是英文字符，在面对中国同事或者老板做报告和分享时，使用英文的词云明显不合适，而且很多文本本身就是中文词汇，没法制作成英文词云。这类方法简单、分词效率较高,但汉语语言现象复杂丰富，词典的完备性、规则的一致性等问题使其难以适应开放的文本的分词处理。这类方法简单、分词效率较高,但汉语语言现象复杂丰富，词典的完备性、规则的一致性等问题使其难以适应开放的文本的分词处理（比如未登录词）。

改进方法：采用现在成熟的分词方法，比如IKAnalyzer、StandardAnalyzer等，这样修改，keySearch的数据结构就需要做下修改，可以修改为 private HashMap<String, String>[] keySearch = new HashMap[maxLength]; 其中key存储分的词元，value存储唯一标识id。

问题二：本文实现的搜索引擎对词元并没有像lucene设置权重，只是简单的判断词元是否在对象中出现。

改进方法：暂无。添加权重处理，使数据结构更加复杂，所以暂时没有对其做处理，在今后的文章中会实现权重的处理。

下面就简单的介绍一下搜索引擎的实现思路。

答：c#中的索引器通常用于索引数组,索引器不单能索引数字（数组下标），还能索引一些hashmap的字符串，所以，通常来说，c#中类的索引器通常只有一个，就是this，但也可以有无数个，只要你的参数列表不同就可以了，索引器和返回值无关。下面以位图文件的存储原理为例，由于存储原理不一样，256种颜色的bmp文件，调色板的索引映射为像素的颜色，还包括了文件长度和位图数据在文件中的起始位置，文件的这一部分的长度是一百万个字节，对图像文件的存储原理做一个说明，尺寸一样的相片、宽，一兆字节的位图数据，一个像素的值对应的是调色板的索引，存储为bmp格式和存储为jpg格式时。引用类型的数值，会把在托管堆中分配一块专门的位置存放数据，然后程堆栈中存放着指向数据存储的内存地址，因为数组是引用类型，这样它增加、修改数组中的元素都会按照索引将元素排列在一起，就像班级中学生的学号一样，你按照学号（索引）就可以对学生的如成绩、信息进行操作，你只需定义一个数组变量，记住它的名字就可以方便进行各种你想达到的效果。

对于details我就不做太多的介绍。

keySearch中数组下标（如用HashMap就是key）的计算方法是获取词元的第一个字符int值（因为本文的分词采用的是字符分词，所以一个字符就是一个词元），该int值就是数组的下标，相应的数组值就是Object的唯一标识。这样keySearch的数据结构就如下图

因此想添加新纪录的时候只需要调用add方法即可。

3.由于国际站和巴西站搜索逻辑没有变化，而影响排序的是标题不同，所以影响排序的因素除去商业性得分，在于搜索相关性。可以说，这套搜索逻辑是在优先解决我们大脑临时断片的问题，其次才是查找详细信息。搜索与查找查找函数很多，功能也很强大，包括了： find rfind find_first_of find_last_of find_first_not_of find_last_not_of这些函数返回符合搜索条件的字符区间内的第一个字符的索引，没找到目标就返回npos。

在getIds方法中，HashMap<String, Integer> idTimes = new HashMap<String, Integer>();idTimes 变量用来存储搜索词中的词元有多少个在keySearch中出现，key值为唯一标识id，value为出现的词元个数。HashSet<String> ids = new HashSet<String>(); ids变量用来存储出现的词元的ids。这样搜索的复杂度就是搜索词的词元个数n。获得包含词元的ids，构造SortBean数组，对其排序，排序规则是出现词元个数的降序排列。最后返回ids字符串，每个id用"，"分割。如要获取详细信息

再使用getObjects方法即可。

上述的只是一个简单的搜索引擎，并没有设计太多的计算方法，希望对大家的学习有所启发。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/ruanjian/article-95759-1.html