当前位置：首页 > news >正文

Boost库文档搜索引擎

news 2026/2/9 22:23:06

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

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

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：统计最近一周0点到10点期间每天id的数量日期：2023-03-23 09:02:22 日期全是这种格式第一步先把日期转小时：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，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：用于创建自己模板与第三方服务器的第一次连接步骤1） 在Nginx主循环（ngx_worker_process_cycle方法） 中，会定期地调用事件模块， 以检查是否有网络事件发生。2） 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（变量替换）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，cpu使用一样，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，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，发现违规行为立即抓拍告警。深度学习应用到实际问题中，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（六）-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，我是Maynor。相信大家和我一样，都有一个大厂梦，作为一名资深大数据选手，深知SQL重要性，接下来我准备用100天时间，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（UT）协调世界时（UTC）国际原子时（TAI）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：安装docker详见：docker 的介绍和部署，并下载docker-compose详见：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（LeetCode） 给定一个数组 prices ，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🌹🌹知行空间🌹🌹 1.概况 2022年02月份论文：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，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 🎶我们都知道，C语言是面向过程的编程，而C是面向对象的编程，更多体现在编程的关注点上。 🎶就拿洗…...

编程日记 2023/2/23 0:37:07

观成科技：隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具，该工具基于TUN接口实现其功能，利用反向TCP/TLS连接建立一条隐蔽的通信信道，支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式，适应复杂网…...

编程新知 2026/2/8 4:37:24

云计算——弹性云计算器（ECS）

弹性云服务器：ECS 概述云计算重构了ICT系统，云计算平台厂商推出使得厂家能够主要关注应用管理而非平台管理的云平台，包含如下主要概念。 ECS（Elastic Cloud Server）：即弹性云服务器，是云计算…...

编程新知 2025/8/16 21:50:27

23-Oracle 23 ai 区块链表（Blockchain Table）

小伙伴有没有在金融强合规的领域中遇见，必须要保持数据不可变，管理员都无法修改和留痕的要求。比如医疗的电子病历中，影像检查检验结果不可篡改行的，药品追溯过程中数据只可插入无法删除的特性需求；登录日志、修改日志…...

编程新知 2026/1/27 3:40:30

Yolov8 目标检测蒸馏学习记录

yolov8系列模型蒸馏基本流程，代码下载：这里本人提交了一个demo:djdll/Yolov8_Distillation: Yolov8轻量化_蒸馏代码实现在轻量化模型设计中，**知识蒸馏（Knowledge Distillation）**被广泛应用，作为提升模型…...

编程新知 2026/1/25 7:20:01

基于 TAPD 进行项目管理

起因自己写了个小工具，仓库用的Github。之前在用markdown进行需求管理，现在随着功能的增加，感觉有点难以管理了，所以用TAPD这个工具进行需求、Bug管理。操作流程注册 TAPD，需要提供一个企业名新建一个项目&#…...

编程新知 2026/1/24 14:15:44

CRMEB 中 PHP 短信扩展开发：涵盖一号通、阿里云、腾讯云、创蓝

目前已有一号通短信、阿里云短信、腾讯云短信扩展扩展入口文件文件目录 crmeb\services\sms\Sms.php 默认驱动类型为：一号通 namespace crmeb\services\sms;use crmeb\basic\BaseManager; use crmeb\services\AccessTokenServeService; use crmeb\services\sms\…...

编程新知 2025/10/5 5:38:24

NPOI Excel用OLE对象的形式插入文件附件以及插入图片

static void Main(string[] args) {XlsWithObjData();Console.WriteLine("输出完成"); }static void XlsWithObjData() {// 创建工作簿和单元格,只有HSSFWorkbook,XSSFWorkbook不可以HSSFWorkbook workbook new HSSFWorkbook();HSSFSheet sheet (HSSFSheet)workboo…...

编程新知 2025/10/6 2:06:51

《信号与系统》第 6 章信号与系统的时域和频域特性

目录 6.0 引言 6.1 傅里叶变换的模和相位表示 6.2 线性时不变系统频率响应的模和相位表示 6.2.1 线性与非线性相位 6.2.2 群时延 6.2.3 对数模和相位图 6.3 理想频率选择性滤波器的时域特性 6.4 非理想滤波器的时域和频域特性讨论 6.5 一阶与二阶连续时间系统 6.5.1 …...

编程新知 2026/2/5 4:45:50