基本信息

书名:使用C#开发搜索引擎

定价：49.00元

作者:罗刚　编著

出版社：清华大学出版社

出版日期：2012-02-01

ISBN：9787302270706

字数：556000

页码：346

版次：

装帧：平装

开本：16开

商品重量：

编辑推荐

　　介绍业界热门的Lucene.Net、使用WebBrowser做爬虫
　　以及结合Solr开发ASP.NET搜索的本图书

内容提要

从c#基础开始，逐渐深入，是学习搜索引擎开发的。应众多公司的实际需求，《使用c#开发搜索引擎》介绍如何以c#作为工具开发搜索引擎。全书以完成一个网站搜索\垂直搜索作为目标，从网络爬虫抓取数据开始，然后到中文分词、文本排重等文本挖掘技术和搜索结果展现。本书是市面上介绍业界热门的lucene.、使用webbrowser做爬虫以及结合solr开发asp.搜索的书。
　　《使用c#开发搜索引擎》适合专业软件开发人员，也适合于希望学习搜索引擎工作原理的读者学习使用。本书对于在校学生学习复杂数据结构和应用动态规划等常用算法也有参考价值。

目录

章 使用c#开发搜索引擎快速入门
1.1 各种搜索引擎
1.1.1 通用搜索
1.1.2 垂直搜索
1.1.3 站内搜索
1.2 搜索引擎整体结构
1.3 搜索引擎基本技术
1.3.1 网络爬虫
1.3.2 文本挖掘
1.3.3 全文索引
1.3.4 搜索语法介绍
1.3.5 搜索用户界面
1.4 c#开发快速入门
1.4.1 准备开发环境
1.4.2 基本语法
1.4.3 多维数组
1.4.4 位运算
1.4.5 枚举类型
1.4.6 面向对象
1.4.7 集合类
1.4.8 泛型
1.4.9 委托和事件
1.4.10 类库
1.5 本章小结
1.6 术语表

第2章 使用c#开发网络爬虫
2.1 网络爬虫抓取原理
2.2 爬虫架构
2.2.1 基本架构
2.2.2 分布式爬虫架构
2.2.3 垂直爬虫架构
2.3 下载网页
2.3.1 协议
2.3.2 下载静态网页
2.3.3 下载动态网页
2.4 网络爬虫遍历与实现
2.5 网站地图
2.6 连接池
2.7 url地址查新
2.7.1 嵌入式数据库
2.7.2 布隆过滤器
2.8 抓取rss
2.9 解析相对地址
2.10 网页更新
2.11 信息过滤
2.12 垂直行业抓取
2.13 抓取限制应对方法
2.13.1 更换ip地址
2.13.2 抓取需要登录的网页
2.13.3 抓取asp.网页
2.14 保存信息
2.14.1 存入数据库
2.14.2 存成图像
2.15 日志
2.16 本章小结
2.17 术语表

第3章 索引各种格式文档
3.1 从文件中提取信息
3.1.1 识别网页的编码
3.1.2 正则表达式
3.1.3 agility pack介绍
3.1.4 网页正文提取
3.1.5 结构化信息提取
3.1.6 查看网页的dom结构
3.1.7 网页结构相似度计算
3.2 从非文件中提取文本
3.2.1 text文件
3.2.2 pdf文件
3.2.3 office文件
3.2.4 rtf文件
3.3 本章小结
3.4 术语表

第4章 自然语言处理
4.1 统计机器学习
4.2 文档排重
4.3 中文关键词提取
4.3.1 关键词提取的基本方法
4.3.2 从网页中提取关键词
4.4 相关搜索
4.5 拼写检查
4.5.1 拼写检查的概率模型
4.5.2 模糊匹配问题
4.5.3 英文拼写检查
4.5.4 中文拼写检查
4.6 文本摘要
4.6.1 文本摘要的设计
4.6.2 实现文本摘要技术
4.6.3 lucene.中的动态摘要
4.7 文本分类
4.7.1 自动分类的接口定义
4.7.2 自动分类的实现
4.8 自动聚类
4.8.1 文档相似度
4.8.2 k均值聚类方法
4.8.3 k均值实现
4.9 拼音转换
4.10 句法分析树
4.11 信息提取
4.12 本章小结
4.13 术语表

第5章 用c#实现中文分词
5.1 汉语中的词
5.2 文本切分的基本方法
5.3 有限状态机
5.4 查找词典算法
5.4.1 标准trie树
5.4.2 三叉trie树
5.5 中文分词的原理
5.6 中文分词流程与结构
5.7 切分词图
5.7.1 保存切分词图
5.7.2 生成全切分词图
5.8 概率语言模型的分词方法
5.8.1 一元模型
5.8.2 n元模型
5.9 熵
5.10 未登录词识别
5.11 词性标注
5.12 地名切分
5.12.1 地址类性标注
5.12.2 未登录词识别
5.13 本章小结
5.14 术语表

第6章 lucene.原理与应用
6.1 lucene.快速入门
6.1.1 索引文档
6.1.2 搜索文档
6.1.3 lucene.结构
6.2 lucene.深入介绍
6.2.1 索引原理
6.2.2 分析文本
6.2.3 遍历索引库
6.2.4 检索模型
6.2.5 收集 相关的文档
6.3 索引中的压缩算法
6.3.1 变长压缩
6.3.2 差分编码
6.4 创建和维护索引库
6.4.1 设计一个简单的索引库
6.4.2 创建索引库
6.4.3 向索引库中添加索引文档
6.4.4 删除索引库中的索引文档
6.4.5 更新索引库中的索引文档
6.4.6 索引的优化与合并
6.5 查找索引库
6.5.1 布尔查询
6.5.2 同时查询多列
6.5.3 跨度查询
6.5.4 通配符查询
6.5.5 过滤
6.5.6 按指定列排序
6.5.7 查询大容量索引
6.5.8 函数查询
6.5.9 定制相似性
6.5.10 评价搜索结果
6.6 中文信息检索
6.6.1 lucene.中的中文处理
6.6.2 lietu中文分词的使用
6.6.3 定制tokenizer
6.6.4 解析查询串
6.6.5 实现字词混合索引
6.7 抓取数据库中的内容
6.7.1 读取数据
6.7.2 数据同步
6.8 概念搜索
6.9 本章小结
6.10 术语表

第7章 实现搜索用户界面
7.1 搜索页面设计
7.1.1 用于显示搜索结果的asp.
7.1.2 搜索结果分页
7.1.3 设计一个简单的搜索页面
7.2 实现搜索接口
7.2.1 lucene.搜索接口
7.2.2 指定范围搜索
7.2.3 搜索页面的索引缓存与更新
7.3 实现关键词高亮显示
7.4 实现分类统计视图
7.4.1 搜索结果分类统计与导航
7.4.2 层次树
7.5 相关搜索词
7.6 实现ajax自动完成
7.6.1 总体结构
7.6.2 服务器端处理
7.6.3 浏览器端处理
7.7 集成其他功能
7.7.1 拼写检查
7.7.2 再次查找
7.7.3 黑名单
7.7.4 搜索日志
7.8 本章小结

第8章 使用solr开发网站搜索
8.1 搜索服务器端
8.8.1 solr结构
8.1.2 启动solr服务器
8.1.3 配置支持中文的solr
8.1.4 索引数据
8.1.5 查询功能
8.1.6 高亮
8.2 solr的.客户端
8.2.1 使用solr
8.2.2 实现多分类
8.2.3 分类统计
8.3 查询语法
8.3.1 对空格的支持
8.3.2 日期加权
8.4 索引分布
8.5 本章小结

作者介绍

　　作者: 罗刚
　　罗刚猎兔搜索(：／／．lietu．)创始人，当前猎兔搜索在北京和上海均设有研发部。带领猎兔搜索技术开发团队先后开发出猎兔中文分词系统、猎兔信息提取系统、猎兔智能垂直搜索系统以及网络信息监测系统等，实现互联网信息的采集、过滤、搜索和实时监测。曾编写出版《自己动手写搜索引擎》、《自己动手写网络爬虫》，获得广泛好评。

序言