当前位置： 首页 > news >正文

Boost库文档搜索引擎

news 2026/5/25 7:54:17

文章目录

  • 综述
  • 效果展示
  • 去标签化，清理数据
  • 构建索引
  • 用户查询

综述

该项目使用了BS架构，实现了用户对Boost库进行站内搜索的功能，

用户输入关键字使用http协议通过ajax将数据发送给后端服务器，后端进行分词，

通过倒排索引和正排索引获得若干个文档，

每个文档按照一定权重进行排序，拼接成一个网页反馈给用户，

每个搜索结果包括文档标题，简介，URL，并可以通过点击标题跳转到特定的网址中

请添加图片描述

效果展示

请添加图片描述

请添加图片描述

请添加图片描述

请添加图片描述
请添加图片描述

去标签化，清理数据

请添加图片描述

将爬虫和下载的boost库的文件，进行提炼，去标签化，保留里面的有效数据

  • 提取html文件
  • 将提取到的html文件进行提炼有效数据
  • 将有效数据的集合写入到一个文件中

构建索引

请添加图片描述

  • 根据将去标签化后构建的内容集合在内存中 构建正排索引，形成对应的文档结构体
  • 将形成的文档结构体在内存中 构建倒排索引，根据关键词找到对应的 倒排拉链（一系列和该关键字相光的文档集合)
    • 根据 Jieba分词对 title和 content进行分词同时划定权重，构建倒排拉链
    • 每个倒排索引中都包含权重，之后我们就能够使用权重对文档优先级进行排序

用户查询

请添加图片描述

  • 用户输入搜索关键字后，先进行 JieBa分词
  • 通过 倒排索引获得对应的 倒排拉链
  • 在 倒排拉链中通过 正排索引获得对应一系列的文档内容
  • 根据索引中的权重按高到低进行排序，组合成一个网页反馈给用户

相关文章：

Boost库文档搜索引擎

文章目录综述效果展示去标签化，清理数据构建索引用户查询综述 该项目使用了BS架构，实现了用户对Boost库进行站内搜索的功能， 用户输入关键字使用http协议通过ajax将数据发送给后端服务器，后端进行分词， 通过倒排索引…...

编程日记 2023/2/23 1:00:04

Linux中安装JDK

Linux中安装JDK一 、下载JDK包1、下载网址2、往下翻，找到 java83、继续往下翻找到要下载的版本 64位linux版本二 上传jdk安装包三 开始安装整体过程1、解压文件2、查看解压文件3、进入解压文件夹确认4、配置环境变量5、重新加载环境变量6、确认安装成功一 、下载JDK…...

编程日记 2023/2/23 0:58:53

宝塔面板公网ip非80端口非443端口部署ssl

有不少人使用家用宽带，虽然申请下来了公网ip，但是运营商封了80与443端口，但仍想使用ssl证书 一、仅封80端口 1、先在宝塔面板里创建网站，域名为test.xxx.cn:8085 2、再到域名运营商做A记录解析，此时可以通过http://…...

编程日记 2023/2/23 0:57:42

手撕八大排序（上）

排序的概念及其引用： 排序的概念： 排序：所谓排序，就是使一串记录，按照其中的某个或某些关键字的大小，递增或递减的排列起来的操作。 稳定性：假定在待排序的记录序列中，存在多个具有…...

编程日记 2023/2/23 0:56:30

clickhouse 怎么统计每天0点到10点的某个字段的数据量

比喻&#xff1a;统计最近一周0点到10点期间每天id的数量 日期&#xff1a;2023-03-23 09:02:22 日期全是这种格式 第一步先把日期转小时&#xff1a;先把小于10小时的查出来 toHour(card_time)<10 select toDate(t.dates) as dates,sum(t.count) as count from ( se…...

编程日记 2023/2/23 0:55:18

[qiankun]-图片加载问题

[qiankun]-图片加载问题开发版本图片加载报错现象描述分析解决方案base64的展示格式静态资源的展示方式取消hash的取值方式&#xff0c;并在主应用中添加图片设置图片的绝对路径根据环境动态设置图片的绝对路径nginx转发方式开发版本 "vue": "^3.2.45", &…...

编程日记 2023/2/23 0:54:07

关于upstream的八种回调方法

1 creat_request调用背景&#xff1a;用于创建自己模板与第三方服务器的第一次连接步骤1&#xff09; 在Nginx主循环&#xff08;ngx_worker_process_cycle方法&#xff09; 中&#xff0c;会定期地调用事件模块&#xff0c; 以检查是否有网络事件发生。2&#xff09; 事件模块…...

编程日记 2023/2/23 0:52:53

0303泰勒公式-微分中值定理与导数的应用

文章目录1 引入2 泰勒中值定理2.1 泰勒多项式3.2 泰勒中值定理13.3 泰勒中值定理22.4 误差估计4 麦克劳林公式5 常见麦克劳林公式6 泰勒公式相关例题6.1 将函数展成指定的泰勒公式6.1.1 公式法6.1.2 间接展法&#xff08;变量替换&#xff09;6.2 利用泰勒公式求极限6.3 确定无…...

编程日记 2023/2/23 0:51:35

日常运维基础命令

commandexplainps -f -u user_name显示指定用户的进程ps aux --sort-pcpu,pmem先以cpu使用量进行排序&#xff0c;cpu使 用一样&#xff0c;以内存使用率排序ps -ef --forest显示ACLII进程数ps --ppid 28208显示父进程的子进程ps -p 14447 -L显示进程的线程ps -e -o pid&#x…...

编程日记 2023/2/23 0:50:25

人员行为识别系统 TensorFlow

人员行为识别系统人员行为识别系统通过TensorFlow深度学习技术&#xff0c;人员行为识别算法对画面中区域人员不按要求穿戴、违规抽烟打电话、睡岗离岗以及作业流程不规范实时分析预警&#xff0c;发现违规行为立即抓拍告警。深度学习应用到实际问题中&#xff0c;一个非常棘手…...

编程日记 2023/2/23 0:49:14

ES-倒排索引BKD原理skiplist

1.Elasticsearch数据存储结构FST、skiplist、BKD-tree、LSM-tree Elasticsearch数据结构存储流程_善思的博客-CSDN博客_elasticsearch 数据结构 number?keyword?傻傻分不清楚 - Elastic 中文社区 ElasticSearch实战&#xff08;六&#xff09;-Skip List 跳表算法&#xf…...

编程日记 2023/2/23 0:48:01

每天一道大厂SQL题【Day12】微众银行真题实战(二)

每天一道大厂SQL题【Day12】微众银行真题实战(二) 大家好&#xff0c;我是Maynor。相信大家和我一样&#xff0c;都有一个大厂梦&#xff0c;作为一名资深大数据选手&#xff0c;深知SQL重要性&#xff0c;接下来我准备用100天时间&#xff0c;基于大数据岗面试中的经典SQL题&…...

编程日记 2023/2/23 0:46:52

带您了解TiDB MySQL数据库中关于日期、时间的坑

带您了解TiDB & MySQL数据库中关于日期、时间的坑时间的基础知识什么是时间计算时间的几种方法世界时&#xff08;UT&#xff09;协调世界时&#xff08;UTC&#xff09;国际原子时&#xff08;TAI&#xff09;时区的概念中国所在的时区操作系统的时区datetimedatectl数据库…...

编程日记 2023/2/23 0:45:39

【华为OD机试模拟题】用 C++ 实现 - 求字符串中所有整数的最小和

最近更新的博客 华为OD机试 - 入栈出栈（C++） | 附带编码思路 【2023】 华为OD机试 - 箱子之形摆放（C++） | 附带编码思路 【2023】 华为OD机试 - 简易内存池 2（C++） | 附带编码思路 【2023】 华为OD机试 - 第 N 个排列（C++） | 附带编码思路 【2023】 华为OD机试 - 考古…...

编程日记 2023/2/23 0:44:31

harbor 仓库迁移升级

harbor 仓库迁移升级 harbor仓库安装数据传输仓库切换版本 v1.8.0 v2.3.5 harbor仓库安装 环境准备&#xff1a;安装docker详见&#xff1a;docker 的介绍和部署&#xff0c;并下载docker-compose详见&#xff1a;docker 三剑客compose。 现有支持的安装harbor仓库的方式有两…...

编程日记 2023/2/23 0:43:15

评论功能设计思路~

文章目录 评论功能设计框架1、定义2、目标3、动机4、评论类别**5、评论互动****6、评论区展示结构****6.1 主题式****6.2 平铺式****6.3 盖楼式****7、评论排序机制****8、评论加载形式****9、其他**结语评论功能设计框架 1、定义 评论是指针对于事物进行主观或客观的自我印象…...

编程日记 2023/2/23 0:42:01

算法训练营 day52 动态规划 买卖股票的最佳时机系列1

算法训练营 day52 动态规划 买卖股票的最佳时机系列1 买卖股票的最佳时机 121. 买卖股票的最佳时机 - 力扣&#xff08;LeetCode&#xff09; 给定一个数组 prices &#xff0c;它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。 你只能选择 某一天 买入这只股票…...

编程日记 2023/2/23 0:40:46

3.基于分割的文本检测算法--DBNet++

文章目录1.概况2.DBNet中的主要方法2.1 网络结构2.2 适应特征图融合模块(Adaptive Scale Fusion Module, ASF)3.ASF模块的源码实现参考资料欢迎访问个人网络日志&#x1f339;&#x1f339;知行空间&#x1f339;&#x1f339; 1.概况 2022年02月份论文&#xff1a;Real-Time S…...

编程日记 2023/2/23 0:39:38

IOS打包、SDK接入记录等

IOS打包、SDK接入记录等 Mac上安装HCLR路径 /Applications/Unity/Hub/Editor/2019.4.40f1c1/Unity.app/Contents/il2cpp HCLR 指定4.40是要Unity启动打开的il2cpp&#xff0c;否则HCLR Installer他会报找不到MonoBleedingEdge Mac删除证书 只能点击钥匙串做上角的登录后&…...

编程日记 2023/2/23 0:38:22

【C++】类与对象（引入）

目录 前言 类的引入 类的定义 封装与访问限定符 封装 访问限定符 类的实例化 类的大小 this指针 特性 前言 &#x1f3b6;我们都知道&#xff0c;C语言是面向过程的编程&#xff0c;而C是面向对象的编程&#xff0c;更多体现在编程的关注点上。 &#x1f3b6;就拿洗…...

编程日记 2023/2/23 0:37:07

topcode【随机算法题】【2026.5.24打卡-java版本】

最长有效括号 要点&#xff1a;栈&#xff0c;push下标 class Solution {public int longestValidParentheses(String s) {//栈//放前哨-1Deque<Integer> stack new ArrayDeque<>();stack.push(-1);int ans 0;for(int i 0; i < s.length(); i){char c s.…...

编程新知 2026/5/25 7:35:37

Neural Complete架构解析：LSTMBase类与TextEncoderDecoder工作流程

Neural Complete架构解析&#xff1a;LSTMBase类与TextEncoderDecoder工作流程 【免费下载链接】neural_complete A neural network trained to help writing neural network code using autocomplete 项目地址: https://gitcode.com/gh_mirrors/ne/neural_complete Neu…...

编程新知 2026/5/25 6:41:48

医疗AI入门实战：用Python从MIMIC-CXR数据集中提取X光图像和诊断报告（附完整代码）

医疗AI实战&#xff1a;Python解析MIMIC-CXR数据集全流程指南当第一次打开MIMIC-CXR数据集时&#xff0c;很多人会被它复杂的目录结构和海量文件吓到——超过37万张胸部X光片和22万份放射科报告分散在数百个嵌套文件夹中。这种看似混乱的存储方式其实反映了真实医院PACS系统的组…...

编程新知 2026/5/25 3:15:41

2026年丝路新程 Python编程（小学组4-6年级）模拟卷（三）以及答案

2026年丝路新程 Python编程（小学组4-6年级）模拟卷（三） 考试时间：60分钟 总分：100 及格分：60 一、单选题 (共15题，每题5分) 1、丝绸之路商队用列表s记录物资，执行以下代码后，列表s的值是什么？ for i in range(2): s=[水囊,干粮,茶叶] s.append(药品) A…...

编程新知 2026/5/25 2:45:57

避开Cox回归的坑：你的数据真的满足比例风险假定吗？

避开Cox回归的坑&#xff1a;你的数据真的满足比例风险假定吗&#xff1f;在医学研究和流行病学分析中&#xff0c;Cox比例风险模型因其能够处理删失数据且不依赖基准风险函数的特定形式而广受欢迎。然而&#xff0c;许多研究者在使用这一强大工具时&#xff0c;往往忽略了一个…...

编程新知 2026/5/25 2:34:20

企业级Gemini投资回报率坍塌预警：5个高危信号+2个紧急干预阈值，今日不查，下季度预算或被砍30%

更多请点击&#xff1a; https://kaifayun.com 第一章&#xff1a;Gemini生命周期价值分析 Gemini 模型作为 Google 推出的多模态大语言模型系列&#xff0c;其生命周期价值不仅体现在推理性能与响应速度上&#xff0c;更贯穿于训练、部署、监控、迭代与退役全过程。理解这一全…...

编程新知 2026/5/25 1:30:12

如何在3分钟内精准定位Windows热键冲突：Hotkey Detective终极指南

如何在3分钟内精准定位Windows热键冲突&#xff1a;Hotkey Detective终极指南 【免费下载链接】hotkey-detective A small program for investigating stolen key combinations under Windows 7 and later. 项目地址: https://gitcode.com/gh_mirrors/ho/hotkey-detective …...

编程新知 2026/5/25 0:23:59

LangGraph 状态存储优化：处理大规模多智能体数据的高效方案

LangGraph 状态存储优化：处理大规模多智能体数据的高效方案 本文面向有LangGraph开发经验、需要落地大规模多智能体应用的开发者，从底层原理、架构设计到代码实现全方位讲解如何将LangGraph状态存储的性能提升10倍、成本降低80%，支撑10万+级多智能体并发运行。 引言 痛点引…...

编程新知 2026/5/25 0:21:58

[开源] 康复处方安全卫士：面向康复科与临床药学的处方前置风险拦截系统

本项目是专为康复医学场景设计的处方安全校验工具&#xff0c;对接医院信息系统&#xff08;HIS&#xff09;中的康复理疗处方流程&#xff0c;在医生提交前实时识别禁忌证与物理因子之间的互斥风险。核心机制由两部分构成&#xff1a;一是基于 YAML 定义的「禁忌证物理因子」互…...

编程新知 2026/5/25 0:14:43

每日热门skill:你的AI终于有“脑子“了！Memory MCP Server让Claude记住你的一切

告别"金鱼记忆"，打造真正懂你的AI助手 一、开篇：那个让你崩溃的瞬间 你有没有遇到过这种情况？ 昨天刚跟Claude说过：“我是做后端开发的，对Python比较熟悉，前端不太行。” 今天再问：“帮我写个React组件。” 它热情洋溢地回复：“好的！这是一个完整的全栈…...

编程新知 2026/5/24 22:41:12