有一个群友在群里问个如何疾速搭建一个搜索引擎，在搜寻之后我看到了这个

代码所在

  • Git:https://github.com/asciimoo/s...

官网很贴心，很不便的是曾经提供了docker 镜像，根本pull下来就能够很不便的应用了，执行命令

cid=$(sudo docker ps -a | grep searx | awk '{print $1}')echo searx  cid is $cidif [ "$cid" != "" ];then    sudo docker stop $cid    sudo docker rm $cidfisudo docker run -d --name searx -e IMAGE_PROXY=True -e BASE_URL=http://yourdomain.com  -p 7777:8888 wonderfall/searx

而后就能够应用了,失常查看docker的状态，就能够失常的应用了

思考

怎么样，是不是很不便，咱们先看看源码是怎么样实现的

咱们关上外面的代码，其实实质就是将request之后的后果做一个大的聚合，至于数据起源，咱们能够是来于DB,或者文件，咱们能够看一下他的外围代码

from urllib import urlencodefrom json import loadsfrom collections import Iterablesearch_url = Noneurl_query = Nonecontent_query = Nonetitle_query = Nonesuggestion_query = ''results_query = ''# parameters for engines with paging support## number of results on each page# (only needed if the site requires not a page number, but an offset)page_size = 1# number of the first page (usually 0 or 1)first_page_num = 1def iterate(iterable):    if type(iterable) == dict:        it = iterable.iteritems()    else:        it = enumerate(iterable)    for index, value in it:        yield str(index), valuedef is_iterable(obj):    if type(obj) == str:        return False    if type(obj) == unicode:        return False    return isinstance(obj, Iterable)def parse(query):    q = []    for part in query.split('/'):        if part == '':            continue        else:            q.append(part)    return qdef do_query(data, q):    ret = []    if not q:        return ret    qkey = q[0]    for key, value in iterate(data):        if len(q) == 1:            if key == qkey:                ret.append(value)            elif is_iterable(value):                ret.extend(do_query(value, q))        else:            if not is_iterable(value):                continue            if key == qkey:                ret.extend(do_query(value, q[1:]))            else:                ret.extend(do_query(value, q))    return retdef query(data, query_string):    q = parse(query_string)    return do_query(data, q)def request(query, params):    query = urlencode({'q': query})[2:]    fp = {'query': query}    if paging and search_url.find('{pageno}') >= 0:        fp['pageno'] = (params['pageno'] - 1) * page_size + first_page_num    params['url'] = search_url.format(**fp)    params['query'] = query    return paramsdef response(resp):    results = []    json = loads(resp.text)    if results_query:        for result in query(json, results_query)[0]:            url = query(result, url_query)[0]            title = query(result, title_query)[0]            content = query(result, content_query)[0]            results.append({'url': url, 'title': title, 'content': content})    else:        for url, title, content in zip(            query(json, url_query),            query(json, title_query),            query(json, content_query)        ):            results.append({'url': url, 'title': title, 'content': content})    if not suggestion_query:        return results    for suggestion in query(json, suggestion_query):        results.append({'suggestion': suggestion})    return results

后果

每个response的时候咱们都要以轻松的定制返回的数据（能够是网络，能够是数据库，能够是文件），那咱们进一步想一下，如果咱们能够hack response 后果，那咱们齐全能够将本人爬来的数据做为返回后果。如果是1024之类的，齐全能够打造本人的“喜好”小引擎，代码我就不贴了，大家能够本人入手本人玩玩。联合jieba分词，能够更好玩一点。