網(wǎng)友解答: 全網(wǎng)形式的搜索引擎已經(jīng)不建議了。這里給個小建議：1.網(wǎng)盤搜索還是可以專業(yè)的發(fā)展。2.論文，文獻，標題的索引是個趨勢。3.全網(wǎng)小視頻的檢索，是個方向。4.圖片搜索，特定文檔搜索

全網(wǎng)形式的搜索引擎已經(jīng)不建議了。

這里給個小建議：

1.網(wǎng)盤搜索還是可以專業(yè)的發(fā)展。

2.論文，文獻，標題的索引是個趨勢。

3.全網(wǎng)小視頻的檢索，是個方向。

4.圖片搜索，特定文檔搜索，也是個方向。

5.微博，知乎，豆瓣，等特定站點的搜索。

至于用什么開發(fā)，小編就不能給專業(yè)建議了！

問題很明了，如何做一個搜索引擎

我來回答

首先，一個完整的網(wǎng)絡通用搜索引擎在邏輯上由四部分組成，根據(jù)圖1，分成數(shù)據(jù)采集、數(shù)據(jù)加工、數(shù)據(jù)索引、數(shù)據(jù)服務。

數(shù)據(jù)采集模塊俗稱網(wǎng)絡爬蟲或者網(wǎng)絡蜘蛛。雖然名字很形象，但是從實踐的角度來說，計算機程序的處理過程和昆蟲的自發(fā)行為有很大的差別。數(shù)據(jù)采集模塊需要能夠正確獲取到網(wǎng)站的網(wǎng)頁，它的行為更像我們在瀏覽器中輸入網(wǎng)址后不斷的點擊網(wǎng)頁鏈接。所以更為貼切的說法是數(shù)據(jù)采集模塊即模擬了網(wǎng)頁瀏覽器，又模擬了人類的網(wǎng)頁點擊行為。

粗放地來看，數(shù)據(jù)采集模塊應該具有2個基本功能：

1：根據(jù)網(wǎng)頁地址（URL）獲取該地址對應的網(wǎng)頁文件。

2：解析出網(wǎng)頁文件中的鏈接地址和網(wǎng)頁有效信息文本。

數(shù)據(jù)加工模塊是搜索引擎的核心功能，它負責對數(shù)據(jù)采集模塊采集的網(wǎng)頁有效信息文本進行加工，使得我們?nèi)祟惸芸炊奈淖中畔⒛軌虬凑赵O定的規(guī)則被計算機理解。

對于一個初級搜索引擎來說，需要將文本文字進行拆解、歸類，如果是中文，還需要在拆解的時候對中文進行分詞。之后將解析結果發(fā)送給索引模塊，索引模塊再進一步加工后錄入到搜索引擎的數(shù)據(jù)庫中。如果要實現(xiàn)一個更加智能的高級搜索引擎，在上述步驟的基礎上，還要能夠實現(xiàn)語義理解，這樣當用戶在搜索“明天星期幾”的時候，搜索引擎給出的應該是包含“明天是星期六”或者“明天是星期一”。。。。。。

諸如此類的結果，而不僅僅是含有“明天星期幾”這5個關鍵詞的網(wǎng)頁結果集合。數(shù)據(jù)索引模塊是搜索引擎的另外一個核心，它和數(shù)據(jù)加工模塊的關系就像人類的心和肺，缺一不可。這個模塊主要功能是將數(shù)據(jù)加工模塊的處理結果保存在一個規(guī)范的數(shù)據(jù)結構中，這樣做的目的是為了給接下去的數(shù)據(jù)服務模塊提供便利，使得數(shù)據(jù)服務模塊能夠在極短的時間內(nèi)完成對整個互聯(lián)網(wǎng)數(shù)據(jù)的信息檢索。數(shù)據(jù)服務模塊是搜索引擎對外部提供服務的接口。

它要能夠對外部輸入進行及時響應，并聯(lián)系數(shù)據(jù)索引模塊，取出用戶查找內(nèi)容的網(wǎng)頁結果。很多時候，為了能夠高效地對用戶行為進行反饋，搜索引擎常常在這個模塊處實現(xiàn)一些預測或者緩存算法，別勉對用戶的每一次查詢都實施一次完整的數(shù)據(jù)查找流程。從上述對4個模塊的描述可以看出，搜索引擎和一個圖書館的圖書檢索系統(tǒng)并沒有太大差別，且搜索引擎的模塊鏈都是單向且唯一的，不存在多個模塊之間需要進行數(shù)據(jù)交互，或者數(shù)據(jù)交互是雙向的。僅這一點而言，搜索引擎在邏輯上還是比較簡單的。我相信，讀者只要能夠堅持，最后實現(xiàn)一個實用的搜索引擎應用是完全沒有問題的。