实现了一个搜索引擎，能够检索csdn站点的全部博客文章，当然。最新的文章是没有的。
先说下项目思路吧。 整个项目分为6个子程序：
爬虫1：爬取全部csdn站点的网页，并将爬到的博客文章url存入数据库。（python）
爬虫2：从数据库中取文章url，并爬取文章内容到数据库。(python)
分词程序：利用friso分词库，将全部文章内容切分成词语。(c/c++)
建立倒排索引程序：处理全部分词程序产生的结果文件，建立倒排索引。（c/c++)
搜索程序：将输入句子切分成关键词，并依据关键词和倒排索引文件计算出相关文章的TF-IDF(词频-逆文件频率)，最后依据TF-IDF对搜索结果进行排序。(c/c++)
搜索站点：类似百度等搜索引擎，应用的入口。输入搜索的内容。输出搜索的结果。(java)
程序比較复杂，又用到了不同的语言。所以分成了这么多子程序。
以下是终于的执行效果，看起来还不错
主页（百度即视感）
搜索结果：
界面比較简单。只是确实能够搜索了，点击蓝色字就会打开博文原地址。
整个项目做了非常多天，做的也非常非常辛苦，只是做出来后还是相当有成就感的。感兴趣的能够试试。
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
