PHP开发搜索引擎技术全解析，php开发搜索引擎

PHP开发搜索引擎技术全解析，php开发搜索引擎

　谈到网页搜索引擎时，很多人都会想到雅虎。的确，雅虎开创了一个互联网络的搜索时代。然而，雅虎目前用于搜索网页的技术却并非该公司原先自己开发的。2000年8月，雅虎采用了Google这家由斯坦福大学学生创建的公司的技术。理由非常简单，Google的搜索引擎比雅虎先前使用的技术能更快、更准确搜索到所需要的信息。

　　让我们自己来设计、开发一个强劲、高效的搜索引擎和数据库恐怕短时间内在技术、资金等方面是不可能的，不过，既然雅虎都在使用别人的技术，那么我们是不是也可以使用别人现成的搜索引擎网站呢?

　　剖析编程思路

　　我们可以这样设想：模拟一个查询，向某个搜索引擎网站发出相应格式的搜索命令，然后传回搜索结果，对结果的HTML代码进行分析，剥离多余的字符和代码，最后按所需要的格式显示在我们自己的网站页面里。

　　这样，问题的关键就在于，我们要选定一个搜索信息准确(这样我们的搜索才会更有意义啊)、速度快(因为我们分析搜索结果并显示需要额外的时间)，搜索结果简洁(便于进行HTML源代码分析和剥离)的搜索网站，由于新一代搜索引擎Google的各种优良特性，这里我们选择它为例，来看看用PHP怎样实现后台对Google搜索、前台个性化显示这一过程。

　　我们先来看看Google的查询命令的构成。进入Google网站，在查询栏中输入“abcd”，点击查询按钮，我们可以发现浏览器的地址栏变成："http://www.google.com/search?q=abcd&btnG=Google%CB%D1%CB%F7&hl=zh-CN&lr= "，可见，Google是通过表单的get方式来传递查询参数并递交查询命令的。我们可以使用PHP中的file()函数来模拟这个查询过程。

　　了解File( ) 函数

　　语法: array file(string filename);

　　返回值为数组，将文件全部读入数组变量中。这里的文件可以是本地的，也可以是远程的，远程文件必须指明所使用的协议。例如： result=file(“http://www.google.com/search?q=a ... mp;hl=zh-CN&lr= ”)，该语句将模拟我们在Google上查询单词“abcd”的过程，并将搜索结果以每行为元素，传回到数组变量 result中。因为这里读取的文件是远程的，所以协议名“http://”不能缺少。

　　如果要让用户输入搜索字符进行任意搜索，我们可以做一个输入文本框和提交按钮，并将上文中的被搜索字符“abcd”用变量替换：

　　echo '

　　'; file://没有参数的form，默认提交方式为get，提交到本身

　　echo '; file://构造一个文本输入框

　　echo '; file://构造一个提交查询按钮

　　echo '

　　';

　　if (isset( keywords)) file://提交后PHP会生成变量 kwywords,即要求下面的程序在提交后运行

　　{

　　urlencode( keywords); file://对用户输入内容进行URL编码

　　result=file("http://www.google.com/search?q=". keywords."&btnG=Google%CB%D1%CB%F7&hl=zh-CN&lr=");

　　file://对查询语句进行变量替换,将查询结果保存在数组变量 result中

　　result_string=join(" ", result); file://将数组$result合并成字符串，各数组元素之间用空格粘和

　　... file://进一步处理

　　}

　　?﹥

　　上面的这段程序已经能按用户输入内容进行查询，并将返回的结果合成一个字符串变量$result_string。请注意要使用urlencode()函数将用户输入内容进行URL编码，才可以正常地对输入的汉字、空格以及其他特殊字符进行查询，这样做也是尽可能逼真地模拟Google的查询命令，保证搜索结果的正确性。

　　对Google的分析

　　为了便于理解，现在假设我们所真正需要的东西是：搜索结果的标题。网址和简介等，这是一个简洁而典型的需求。这样，我们所要做的便是：去除Google搜索结果的台头和脚注，包括一个Google的标志、再次搜索的输入框和搜索结果说明等，并且在剩余的搜索结果各项条目中剥离原来的HTML格式标记，替换成我们想要的格式。

　　要做到这一点，我们必须仔细地分析Google搜索结果的HTML源码，找到其中的规律。不难发现，在Google的搜索结果的正文总是包含在源码的第一个

　　标记和倒数第二个

　　标记之间，并且倒数第二个

　　标记后紧跟table字符，而且这个组合“

　　以下所有程序均依次接续在上文程序的“进一步处理”处。

　　result_string = strstr( result_string, " ");

　　file://取 result_string从第一个开始后的字符串，以去除Google台头

　　position= strpos( result_string," table符号的位置

　　result_string= substr( result_string,0, position);//截取第一个table符号之前的字符串,以去除脚注

　　应用与实现

　　现在我们已经得到有用的HTML源码主干了，剩下的问题是如何自主地显示这些内容。我们再分析一下这些搜索结果条目，发现每个条目之间也是很有规律的用分隔，也就是各成一个段落，按这个特点我们用explode()函数把每个条目切开：

　　语法：explode(string separator, string string);

　　返回一个数组，按separator切开后的各个小字串被保存在数组中。

　　于是：

　　result_array=explode(" ", result_string); file://用字串" "把结果切开

　　我们就得到一个数组 result_array，其中每个元素都是一个搜索结果条目。我们所要做的仅仅是研究每个条目及其HTML显示格式代码，然后按要求替换就行了。下面用循环来处理 result_array中的每个条目。

　　for( i=0; i {

　　... file://处理每个条目

　　}

　　对于每个条目，我们也很容易找到一些特点：每个条目都由标题、摘要、简介、类别、网址等组成，每个部分都换行，即包含标记，于是再次分割：(以下处理程序放在上文的循环中)

　　every_item=explode(" ", result_array[ i]);

　　这样我们得到一个数组 every_item，其中 every_item[0]就是标题， every_item[1]和 every_item[2]两行为摘要， every_item[3]和 every_item[4]等等的头部如果包含“简介:”、“< font size=-1 color=#6f6f6f>类别:< /font>”字符，则是简介或类别(因为有的结果条目没有该项)，如果头部包含“< font color=green>”则肯定就是网址啦，这种对比判断我们常使用正则表达式(略)，如果要替换也很方便，比如包含标题的$every_item[0]，其本身是有链接的，我们希望修改这个链接属性，让它在新窗口打开链接：

　　echo eregi_replace(' {

　　... file://处理每个条目中除去第一项(第一项为标题，已经显示)的每一项

　　... file://更多格式修改

　　}

　　这样就修改了链接属性，其余很多显示格式的修改、剥离、替换都能用正则替换eregi_replace()来完成。

　　至此我们已经得到了每个搜索条目的每一项，并能任意修改每项的格式，甚至可以给他套上漂亮的表格。然而一个好的程序应该能适应各种运行环境的，这里也不例外，我们其实还只是讨论了搜索结果的HTML剥离的一种框架方法，真正要做得完美，还要考虑很多内容，比如要显示一共搜索出多少结果，分成多少页等等，甚至还可以刨除与Google相关的那些“类别”、“简介”等代码，让客户根本看不到原始网站。不过这些内容和要求我们都能通过分析HTML进行剥离得到。现在大家完全能自己动手，做个极富个性化的搜索引擎。

简单理解就是： ASP技术简单并且可以实现网站建设的绝大部分需求，工程塑料技术门槛较低，相对应的技术成本也比较低，是目前市场上普下面我开跟您详细分析一下我的观点：1、您要搞懂什么是PHP和ASP？简单理解就是：ASP技术简单并且可以实现网站建设的绝大部分需求，工程塑料技术门槛较低，相对应的技术成本也比较低，是目前市场上普遍采用的技术。PHP技术技术门槛稍高一些，技术成本比ASP要高，但随着PHP应用的逐步深入，目前PHP网站建设成本也已经降低到可以接受的程度。PHP网站建设技术在网站建设行业代替ASP技术是必然的趋势。2、运行PHP脚本程序速度非常快，超越了ASP，现在大型的网站基本上是用PHP开发，比如：工商银行的网站。3、PHP主机大都支持伪静态技术，而ASP主机基本上不支持这个技术，搜索引擎就不会认为是模仿站、垃圾站，这点对于网站的工程塑料推广非常重要。而且网络上的网站大多是ASP网站，PHP开发的网站则少很多，搜索引擎也是喜新厌旧的，这样就更加有利于网站的优化推广了，这样做的网站也就方便企业实现网络营销，告别传统行业。4、asp技术很成熟，也很普通，这样设计师设计起来就很方便，自然成本就低很多，可能一个简单的网站1-2天设计师就可以搞出来。而PHP开发的网站技术要求比较高，自然难度就比较大，这样做起来工作量就比较大，所以制作人工成本就比较高。5、采用PHP技术将提供更高质量的网站建设技术，一般会采用DIV+CSS，页面尺寸可以做到最小，关键字密度最高。
 

你说的是php的搜索引擎，还是模板引擎。

搜索引擎比如说PhpDig
是一个采用PHP开发的Web爬虫和搜索引擎。通过对动态和静态页面进行索引建立一个词汇表。当搜索查询时，它将按一定的排序规则显示包含关键字的搜索结果页面。PhpDig包含一个模板系统并能够索引PDF,Word,Excel,和PowerPoint文档。PhpDig包含了三种最基本的搜素引擎技术：Spider技术，网页结构化信息抽取技术或元数据采集技术，分词/索引技术。区别于传统搜索引擎，PHPdig适用于专业化更强、层次更深的个性化搜索引擎，利用它打造针对某一领域的垂直搜索引擎是最好的选择。

还有很多这样的开源而且免费的php搜索引擎:OpenWebSpider、RiSearch PHP
、Sphider、Snoopy、Sphinx、SEO Rank Checker、PHPCrawl、

模板引擎也有很多：
Smarty是一个使用PHP写出来的模板引擎，是目前业界最著名的PHP模板引擎之一。它分离了逻辑代码和外在的内容，提供了一种易于管理和使用的方法，用来将原本与HTML代码混杂在一起PHP代码逻辑分离。简单的讲，目的就是要使PHP程序员同前端人员分离，使程序员改变程序的逻辑内容不会影响到前端人员的页面设计，前端人员重新修改页面不会影响到程序的程序逻辑，这在多人合作的项目中显的尤为重要。
Heyes Template Class
一个非常容易使用，但功能强大并且快速的模板引擎，它帮助你把页面布局和设计从代码中分离。
FastTemplate
一个简单的变量插值模板类，它分析你的模板，把变量的值从HTML代码中分离处理。

ShellPage
一个简单易用的类，可以让你的整个网站布局基于模板文件，修改模板就能改变整个站点。

STP Simple Template Parser
一个简单、轻量级并且易于使用的模板分析类。它可以从多个模板中组装一个页面，把结果页面输出到浏览器或者文件系统。

OO Template Class
一个你可以用在自己程序中的面向兑现的模板类。

SimpleTemplate
一个可以创建和结构化网站的模板引擎。它可以解析和编译模板。

bTemplate
短小但是快速的模板类，允许你把PHP逻辑代码从HTML修饰代码中分离。

Savant
一个强大且轻量级的PEAR兼容模板系统。它是非编译型的，使用PHP语言本身做为它的模板语言。

ETS - easy template system
可以使用完全相同数据重组模板的模板系统。

EasyTemplatePHP
适用于你的站点的一个简单但是强大的模板系统。

vlibTemplate
一个快速、全能的模板系统，它包含一个缓存和调试类。

AvanTemplate
多字节安全的模板引擎，占用很少系统资源。它支持变量替换，内容块可以设置显示或隐藏。