newInverted List.add

什么是搜索引擎 像百度，搜狗这种搜索一个关键词，然后在结果页中展示若干条结果，每一个结果中, 又包含了图标, 标题, 描述, 展示url, 时间, 子链, 图片等；当然像这种搜索引擎属于全站搜索，这个项目是要实现站内搜索（只针对某个网站内部进行搜索）。 项目目标 实现一个 Java API 文档的简单的搜索引擎. 关于Java API 文档的获取我们直接从官网下载离线版本即可 下载版本参见 https://www.oracle.com/technetwork/java/javase/downloads/index.html 下载之后看到一个 docs 目录, 里面存在一个 api 目录. 这里的 html 就和线上版本的文档是一一对应的. 下载的文档假设放在D:\doc_searcher_index\jdk-8u361-docs-all 目录中.

在线体验 : http://43.139.1.94:9090/index.html 项目 Gitee 链接 : API 文档搜索引擎 我们平时查百度, 搜狗的时候, 结果页会显示若干条相关结果 , 每个结果几乎都包含图片, 标题, 描述, 展示 URL以及时间等等. 1.1 搜索引擎的本质 输入一个查询词, 得到若干个结果, 每个搜索结果包含了标题, 描述, 展示 URL , 以及点击 URL... 1.2 实现搜索引擎的核心思路 实现过程中, 我们主要考虑的问题有两个 : 查询出哪些网页和查询词具有一定的相关性. 如何高效的进行搜索. ============== 解决思路 >> 方案一 : 暴力检索 显然这个方案不满足高效检索, 随着文档数量的增多, 搜索的开销会线性增长. 方案二 : 倒排索引 + 正排索引 倒排索引是一种专门针对搜索引擎场景而设计的数据结构.

1. 认识搜索引擎: 在搜狗搜索的搜索结果页中, 包含了若干条结果, 每一个结果包含了图标, 标题, 描述, 展示URL等 2. 搜索引擎思路: 2.1 搜索的核心思路: 当前我们有很多的网页(假设上亿个), 每个网页我们称为是一个文档 如何高效进行检索? 查找出有哪些网页是和查询词具有一定的相关性呢? 我们可以认为, 网页中包含了查询词(或者查询词的一部分), 就认为具有相关性. 那么我们就有了一个直观的解决思路 方案一 -- 暴力搜索 每次处理搜索请求的时候, 拿着查询词去所有的网页中搜索一遍, 检查每个网页是否包含查询词字符串. 这个方法是否可行? 显然, 这个方案的开销非常大. 并且随着文档数量的增多, 这样的开销会线性增长. 而搜索引擎往往对于效率的要求非常高. 方案二 -- 倒排索引 这是一种专门针对搜索引擎场景而设计的数据结构. 文档(doc): 被检索的html页面(经过预处理) 正排索引: "一个文档包含了哪些词". 描述一个文档的基本信息, 包括文档标题, 文档正文, 文档标题和正文的分词 /断句结果 倒排索引: "一个词被哪些文档引用了".