談到網頁搜尋引擎時，很多人都會想到雅虎。的確，雅虎開創了乙個網際網路絡的搜尋時代。然而，雅虎目前用於搜尋網頁的技術卻並非該公司原先自己開發的。2023年8月，雅虎採用了google這家由史丹福大學學生建立的公司的技術。理由非常簡單，google的搜尋引擎比雅虎先前使用的技術能更快、更準確搜尋到所需要的資訊。
讓我們自己來設計、開發乙個強勁、高效的搜尋引擎和資料庫恐怕短時間內在技術、資金等方面是不可能的，不過，既然雅虎都在使用別人的技術，那麼我們是不是也可以使用別人現成的搜尋引擎**呢?
剖析程式設計思路
我們可以這樣設想：模擬乙個查詢，向某個搜尋引擎**發出相應格式的搜尋命令，然後傳回搜尋結果，對結果的html**進行分析，剝離多餘的字元和**，最後按所需要的格式顯示在我們自己的**頁面裡。
這樣，問題的關鍵就在於，我們要選定乙個搜尋資訊準確(這樣我們的搜尋才會更有意義啊)、速度快(因為我們分析搜尋結果並顯示需要額外的時間)，搜尋結果簡潔(便於進行html源**分析和剝離)的搜尋**，由於新一代搜尋引擎google的各種優良特性，這裡我們選擇它為例，來看看用php怎樣實現後台對google搜尋、前台個性化顯示這一過程。
我們先來看看google的查詢命令的構成。進入google**，在查詢欄中輸入「abcd」，點選查詢按鈕，我們可以發現瀏覽器的位址列變成：" "，可見，google是通過表單的get方式來傳遞查詢引數並遞交查詢命令的。我們可以使用php中的file()函式來模擬這個查詢過程。
了解file( ) 函式
語法: array file(string filename);
返回值為陣列，將檔案全部讀入陣列變數中。這裡的檔案可以是本地的，也可以是遠端的，遠端檔案必須指明所使用的協議。例如： result=file(「 ... mp;hl=zh-cn&lr= 」)，該語句將模擬我們在google上查詢單詞「abcd」的過程，並將搜尋結果以每行為元素，傳回到陣列變數 result中。因為這裡讀取的檔案是遠端的，所以協議名「http://」不能缺少。
如果要讓使用者輸入搜尋字元進行任意搜尋，我們可以做乙個輸入文字框和提交按鈕，並將上文中的被搜尋字元「abcd」用變數替換：
echo '
'; file://沒有引數的form，預設提交方式為get，提交到本身
echo '; file://構造乙個文字輸入框
echo '; file://構造乙個提交查詢按鈕
echo '
if (isset( keywords)) file://提交後php會生成變數 kwywords,即要求下面的程式在提交後執行
urlencode( keywords); file://對使用者輸入內容進行url編碼
result=file("". keywords."&btng=google%cb%d1%cb%f7&hl=zh-cn&lr=");
file://對查詢語句進行變數替換,將查詢結果儲存在陣列變數 result中
result_string=join(" ", result); file://將陣列$result合併成字串，各陣列元素之間用空格粘和
... file://進一步處理
上面的這段程式已經能按使用者輸入內容進行查詢，並將返回的結果合成乙個字串變數$result_string。請注意要使用urlencode()函式將使用者輸入內容進行url編碼，才可以正常地對輸入的漢字、空格以及其他特殊字元進行查詢，這樣做也是盡可能逼真地模擬google的查詢命令，保證搜尋結果的正確性。
對google的分析
為了便於理解，現在假設我們所真正需要的東西是：搜尋結果的標題。**和簡介等，這是乙個簡潔而典型的需求。這樣，我們所要做的便是：去除google搜尋結果的臺頭和腳注，包括乙個google的標誌、再次搜尋的輸入框和搜尋結果說明等，並且在剩餘的搜尋結果各項條目中剝離原來的html格式標記，替換成我們想要的格式。
要做到這一點，我們必須仔細地分析google搜尋結果的html原始碼，找到其中的規律。不難發現，在google的搜尋結果的正文總是包含在原始碼的第乙個
標記和倒數第二個
標記之間，並且倒數第二個
標記後緊跟table字元，而且這個組合「
以下所有程式均依次接續在上文程式的「進一步處理」處。
result_string = strstr( result_string, " ");
file://取 result_string從第乙個開始後的字串，以去除google臺頭
position= strpos( result_string," table符號的位置
result_string= substr( result_string,0, position);//擷取第乙個table符號之前的字串,以去除腳注
應用與實現
現在我們已經得到有用的html原始碼主幹了，剩下的問題是如何自主地顯示這些內容。我們再分析一下這些搜尋結果條目，發現每個條目之間也是很有規律的用分隔，也就是各成乙個段落，按這個特點我們用explode()函式把每個條目切開：
語法：explode(string separator, string string);
返回乙個陣列，按separator切開後的各個小字串被儲存在陣列中。
於是：result_array=explode(" ", result_string); file://用字串" "把結果切開
我們就得到乙個陣列 result_array，其中每個元素都是乙個搜尋結果條目。我們所要做的僅僅是研究每個條目及其html顯示格式**，然後按要求替換就行了。下面用迴圈來處理 result_array中的每個條目。
for( i=0; i {
... file://處理每個條目
every_item=explode(" ", result_array[ i]);
echo eregi_replace(' {
... file://處理每個條目中除去第一項(第一項為標題，已經顯示)的每一項
... file://更多格式修改
這樣就修改了鏈結屬性，其餘很多顯示格式的修改、剝離、替換都能用正則替換eregi_replace()來完成。
至此我們已經得到了每個搜尋條目的每一項，並能任意修改每項的格式，甚至可以給他套上漂亮的**。然而乙個好的程式應該能適應各種執行環境的，這裡也不例外，我們其實還只是討論了搜尋結果的html剝離的一種框架方法，真正要做得完美，還要考慮很多內容，比如要顯示一共搜尋出多少結果，分成多少頁等等，甚至還可以刨除與google相關的那些「類別」、「簡介」等**，讓客戶根本看不到原始**。不過這些內容和要求我們都能通過分析html進行剝離得到。現在大家完全能自己動手，做個極富個性化的搜尋引擎。
PHP搜尋引擎
簡單php搜尋引擎源 需要開啟php的curl擴充套件。功能 對某一 進行檢索，獲取 基本資訊，同時提取 的所有連線。class engine 啟動引擎 public function start 獲取meta內容 public function getmeta content 獲取body內容 p...
搜尋引擎技術核心揭密 PHP
搜尋引擎技術核心揭密 php 談到網頁搜尋引擎時，大多數人都會想到雅虎。的確，雅虎開創了乙個網際網路絡的搜尋時代。然而，雅虎目前用於搜尋網頁的技術卻並非該公司原先自己開發的。2000年8月，雅虎採用了google google.這家由史丹福大學學生建立的風險公司的技術。理由非常簡單，google的搜...
搜尋引擎技術核心揭密 PHP
搜尋引擎技術核心揭密 php 談到網頁搜尋引擎時，大多數人都會想到雅虎。的確，雅虎開創了乙個網際網路絡的搜尋時代。然而，雅虎目前用於搜尋網頁的技術卻並非該公司原先自己開發的。2000年8月，雅虎採用了google www.google.com 這家由史丹福大學學生建立的風險公司的技術。理由非常簡單，...