摘 要： 如何在各高校內部成百上千個資源站點中，快速有效地查找到所需信息成為網(wǎng)絡用戶面臨的一個突出問題。為此提出了一款校內搜索引擎軟件的設計，解決了當前各高校大學生對本校信息難于快速有效獲取的問題。
關鍵詞： Java；校內；搜索引擎；設計
當前，面對浩瀚的網(wǎng)絡資源，搜索引擎為所有網(wǎng)上沖浪的用戶提供了一個入口，所有的用戶都可以借助于搜索引擎到達自己想去的網(wǎng)上任何一個地方。隨著Internet的快速發(fā)展，海量信息和人們獲取所需信息能力之間的矛盾日益明顯，在信息海洋里查找信息，如同大海撈針一樣，而搜索引擎的出現(xiàn)正好解決了這一難題。
目前高校校內信息量的不斷增加，面對浩瀚的網(wǎng)絡信息，選擇資源范圍廣而針對性不強，很難搜到符合自己的資源。針對這種情況，本文提出了一款校內搜索軟件的設計與實現(xiàn)方法。該軟件采用Java語言開發(fā)，是一款簡易且實用的校內搜索引擎軟件。
1 設計原理
搜索引擎系統(tǒng)[1]通常是指互聯(lián)網(wǎng)信息檢索系統(tǒng)。本系統(tǒng)是建立在通過網(wǎng)絡爬蟲軟件抓取大量的網(wǎng)絡資源的基礎上進行開發(fā)設計的，系統(tǒng)通過對抓取的網(wǎng)頁文件進行智能提取、去標注、內容分析等處理，再經過索引加載建立索引數(shù)據(jù)庫。用戶可以通過搜索頁面查詢索引數(shù)據(jù)庫，返回包含所有匹配查詢關鍵詞的網(wǎng)頁[2]。
校內搜索引擎軟件的設計原理如圖1所示，其原理如下：（1）通過網(wǎng)絡爬蟲軟件抓取網(wǎng)頁內容；（2）從抓取的網(wǎng)頁文件中獲取索引表，索引表內容為每個文件的序號與網(wǎng)址信息，得到網(wǎng)頁文件庫里面的內容即為網(wǎng)頁文件；（3）對得到的網(wǎng)頁文件庫進行處理，使用正則表達式去除網(wǎng)頁標注信息，得到的新內容存放在一個新的文件夾中，作為內容信息庫；（4）根據(jù)網(wǎng)頁文件庫和索引表，得到一個新的文件（也稱為標題和網(wǎng)址信息庫），其里面的內容為每個文件的序號、標題和網(wǎng)址等信息；（5）當用戶需要查找自己需要的信息時，只要輸入關鍵詞，搜索引擎軟件根據(jù)用戶輸入的關鍵詞在內容信息庫中進行查找[3]，如果內容信息庫中存在用戶查找的內容，軟件將根據(jù)給內容所在的文件序號，在標題和網(wǎng)址信息庫中提取出該內容所在的標題與網(wǎng)址等信息，最后再加上內容信息庫中與關鍵詞相關的內容信息作為查找的結果顯示出來。
2 具體算法實現(xiàn)
搜索引擎軟件開發(fā)環(huán)境：Myeclipse平臺，使用Java語言。首先可以Myeclipse平臺新建一個java project，在新建的project中需要導入下面一些相關的文件：
import java.io.BufferedReader；
import java.io.File；
import java.io.FileNotFoundException；
import java.io.FileReader；
import java.io.IOException；
import java.io.InputStreamReader；
import java.util.StringTokenizer；
搜索引擎軟件中獲得搜索結果的搜索函數(shù)核心代碼如下：
//根據(jù)用戶輸入的關鍵詞，在相應的庫中進行搜索，并返回搜索結果信息
private static String search（String[] str， int n， String filepath）
{
String all=null；
File file=new File（filepath）；
try{
String[] filelist=file.list（）；
for（int i=0，flen=filelist.length；i<flen； i++）
{
File readfile=new File（filepath+"\\"+
filelist[i]）；
String upname=readfile.getName（）；
upname=upname.substring（0，upname.length
（）-4）；//去掉文件名中的.txt用于后面找網(wǎng)址
BufferedReader br=new BufferedReader
（new FileReader（
readfile））；
String s=""， ss=br.readLine（）；
while （ss != null）
{
s=s+ss；//s中存放文件內容的信息
ss=br.readLine（）；
}
//判斷當前讀入的記錄行中是否有
//輸入的關鍵詞，輸入了幾個關鍵詞
switch （n）
{
case 1：//1個關鍵詞的情況
int end=s.indexOf（str[0]）；
if （end != -1）
{
upname=Url（upname）；
//獲取存標題與網(wǎng)址信息
s=s.substring（end， 20）；
//取關鍵字后的20個字符
all=all+"\n"+upname+"
關鍵字內容："+s；
flag=1；
break；
} else
break；
case 2：//2個及多個關鍵詞的情況
......
}
br.close（）；//一定要關閉資源
}
} catch （FileNotFoundException e）
{
e.printStackTrace（）；
} catch （IOException e）
{
e.printStackTrace（）；
}
return all；
}
搜索函數(shù)中調用的其他主要函數(shù)代碼如下：
// 通過傳遞的文件名參數(shù)，在文件TitleInfo中查找得到與此文件名對應的標題信息+網(wǎng)址信息
public static String Url（String filename）
{
String filepath="D：\\test\\TitleInfo\\TitleInfo.txt"；
File file=new File（filepath）；
String url=""；
try
{
BufferedReader br=new BufferedReader（new
FileReader（file））；
String s=br.readLine（）；//讀入第一行信息
while （s !=null）
{
if（s.indexOf（filename）!=-1）
{
url=s.substring（s.indexOf（"標題"），s.length（））；
//取該行標題后的信息
break；
} else
s=br.readLine（）；//讀入下一行的信息
}
br.close（）；//一定要關閉資源
} catch （FileNotFoundException e）
{
e.printStackTrace（）；
} catch （IOException e）
{
e.printStackTrace（）；
}
return url；
}
至此，完成了搜索引擎軟件代碼的編寫工作，接下來可以進行run操作（即可以在指定內容信息庫與標題和網(wǎng)址信息庫中進行操作），返回用戶查找的相關網(wǎng)頁文件的序號、標題、網(wǎng)址和主要內容等信息的結果。
3 實驗結果分析
內容信息庫的存放路徑為D：\test\ContentInfo；內容信息庫中的內容如圖2所示。標題和網(wǎng)址信息庫的存放路徑為D：\test\TitleInfo；文件庫中存放了標題和網(wǎng)址信息文件，文件名為TitleInfo.txt，其內容如圖3所示。
運行該搜索引擎軟件，得出的輸出結果如圖4所示。
由圖4可以看到，通過該系統(tǒng)可以把待測文件中臟字及臟詞組出現(xiàn)的次數(shù)全部顯示出來，其結果與實際情況完全一致。
針對當前網(wǎng)絡在高校的應用越來越普及，校內網(wǎng)絡中的資源也越來越多，而目前市場上的搜索軟件（如百度、谷歌的）又難以滿足實踐的需要，并且有些搜索軟件比較昂貴。本文在基于這些問題的情況下進行研究 與分析，提出了校內網(wǎng)絡資源搜索軟件的設計方法，并在Myeclipse環(huán)境下通過Java語言實現(xiàn)了這種方法，為高校校內網(wǎng)絡資源的搜索提供了一種方法。另外，可以在此基礎上進行二次開發(fā)，作者就在此基礎上完成了Web界面上的搜索（類似百度的功能）。本軟件在南昌工程學院已開始試用，如圖5所示。
根據(jù)本文的設計原理，用戶可以根據(jù)自己的實際需要，在界面上改進與調整。
參考文獻
[1] 梁斌.走進搜索引擎[M].北京：電子工業(yè)出版社，2007.
[2] 宋春陽.Web搜索引擎技術綜述[J].現(xiàn)代計算機，2008（5）.
[3] 徐寶文.搜索引擎與信息獲取技術[M].北京：清華大學出版社，2003.