摘要：跟着网络迅速发展，Internet上的资源日趋丰富，查找引擎被网民广泛运用，查找引擎的发展为笔直查找引擎的呈现供给了杰出的商场空间，本文介绍了根据笔直查找技能的查找引擎，并探讨了笔直查找引擎的优势。
关键词：笔直查找；因特网；信息检索；查找引擎
中图分类号：TP391.3文献标识码：A文章编号：1007-9599(2011)05-0000-01
SearchEngineBasedonVerticalSearchTechnology
WangLiang，WangXiuting
(HarbinInstituteofTechnology(Weihai)InstituteofComputerScienceandTechnology，Weihai264209，China)
Abstract:WiththerapiddevelopmentofInternet，Internetresourcesgrowingmoreandmore，widelyusedsearchenginesforInternetusers，searchenginedevelopmentfortheemergenceofverticalsearchengineprovidesagoodmarketspace，thispaperbasedonverticalsearchtechnology，searchenginediscussestheadvantagesofverticalsearchengines.
Keywords:Verticalsearch;Internet;Informationretrieval;Searchengine
一、笔直查找引擎的关键技能
笔直查找引擎效劳具有其本身的特性，其技能要求特色上与一般互联网查找引擎（水平查找）有很多不同之处，下面经过比较，列举出笔直查找引擎的四大关键技能。
（一）笔直查找对网页信息进行结构化信息加工。因为笔直查找引擎效劳的特殊性，往往要求按需供给时间、来历、作者及其他元数据解析，包括对网页中特定内容的提取。笔直查找对网页信息进行了结构化信息抽取加工，也就是将网页的非结构化数据抽取成特定的结构化信息数据，好比网页查找是以网页为最小单位，根据视觉的网页块分析是以网页块为最小单位，而笔直查找是以结构化数据为最小单位。根据结构化数据和全文数据的结合，笔直查找才能为用户供给愈加到位、更有价值的效劳。整个结构化信息提取贯穿从网页解析到网页加工处理的进程。一起面临上述要求，笔直查找还能够按需供给智能化处理功能，比如主动分类、主动聚类、主动标引、主动排重，文本发掘等等。这部分是笔直查找乃至信息处理的前沿技能，虽然尚不够成熟，但有很大的发展潜力和空间，而且现在在一些海量信息处理的场合已经能够起到很好的运用效果。
（二）笔直查找引擎支撑全文深度查找。笔直查找带有专业性或职业性的需求和目标，其要求收集的网页全面，有必要到达更深的层级，收集动态网页的优先级也相对较高。笔直查找引擎还要求按需支撑结构化和非结构化数据联合检索，比如结合作者、内容、分类进行组合检索等。笔直查找在信息的专业性和运用价值方面有更高的要求，能够支撑全文检索和准确检索，并按需供给多种结果排序方法。在实践运用中，笔直查找的网页收集技能能够按需操控收集目标和范围、按需支撑深度收集及按需支撑复杂的动态网页收集，即收集技能要能到达愈加聚集、纵深和可管控的需求，而且网页信息更新周期也更短，获取信息更及时。
（三）正则表达式的运用。在内容提取中选用正则表达能够明显提高效能，正则表达式已在许多查找程序中广泛运用。正则表达式是一种编程语言中运用的特殊代码形式，可用其验证、查找、替换与划分文本内容。聚集爬虫往往经过对主题网页的学习提取主题特征的正则表达式，以指导爬虫过滤与主题不相符的网页文本正则表达式基本技巧如下：
（1）匹配多个字符之一。如匹配拼写错误的fac-tory，可用：f[ae]ct[ou]ry；
（2）匹配文本行开端与结束。如以c开端，a结束，可用：^a.*b$；
（3）匹配单词。如找dog，可用：dog；
（4）Unicode字母。如匹配中文，可用：[u3400-u4DB5u4E00-u9fa5]；
（5）分组和捕获。如匹配年月日相同的日期，可用：dd（dd）-1-1，其间1表明捕获分组1，即（dd）中的内容，捕获分组能够表明暂时存取的区域，用于引证和替换；
（6）重复匹配。完整HTML文件可用：.*?.*?.*?.*.*?
]*>.*>var_userid=;var_siteid=669;var_istoken=1;var_model=Model03;WebPageSpeed=141;UrchinTrack();.*?.其间：*表明一个或多个，?表明0个或一个，^表明否定。
Html文件也可运用NekoHTML做标签补偿，用HtmlParser等解析程序将网页转换成一个个串联的Node，用正则式过滤脚本、注释等标签，提取表格等结构化信息，完成网页去噪。其间包括为网页树立网站风格树和核算节点重要性来断定噪声元素。
二、笔直查找引擎在政府网站的运用
（一）整合政务网络信息。政府网站查找引擎完成了对全国省级以上政府网站的内容和效劳的收集；完成了包括按信息分类、条件组合、文件类型、图片、区域等多种检索方法，一起完成了对多语种、多文种的检索。
（二）实时更新查找信息。第一时间获取一手信息政府网站查找引擎所供给的查找内容，有必要能够及时反映政府网站的内容改变，各级政府网站上新发布的政务信息和办事指南应能及时查找。现在各级网站发布的新网页一般在30分钟之内就可在政府网站查找引擎中查找到。
（三）分类查找便利用户。政府网站查找引擎对大众供给了便利的政务信息、办事指南查找，合理的分类能够便利用户的查找进程。政府网站查找引擎依照效劳的类型将查找内容细分为站内查找、国务院公报查找、图片查找、文档查找、政府网站查找等几种类型。政府网站查找引擎在收集到的查找各个环节都需求进行细致的分类作业。
三、结束语
网络的多元化需求决定了查找引擎的效劳形式必将呈现细分，针对不同职业供给愈加准确的职业效劳形式。能够说通用查找引擎的发展为笔直查找引擎的呈现供给了杰出的商场空间，必然将呈现笔直查找引擎在互联网中占有部分商场的趋势，也是查找引擎职业细分化的必然趋势。
参考文献：
[1]汲业，陈燕，杨健.生活效劳领域笔直查找引擎的规划与完成[J].核算机工程，2010，36，24
[2]刘峰.笔直查找中的数据清洗和排序算法研究[D].2009
[作者简介]王梁（1989-），
宁波seo优化男，山东济南人，哈尔滨工业大学（威海）核算机科学与技能学院信息安全专业08级。
本文转载自
宁波seo优化www.leseo.net
补充词条：
宁波谷歌优化
宁波seo哪家好
宁波网络seo公司
宁波网站seo
宁波seo推广公司
