搜索引擎技術核心揭密(PHP)_PHP教程

推薦：在同一窗體中使用PHP來處理多個提交任務
在PHP中的處理窗體數據比其它網頁程序語言更簡單——如果你使用這種語言一段時間后，你會發現這是一個不可爭辯的事實。這種操作的簡易性使它可以容易地處理更為復雜的窗體事件，包括

談到網頁搜索引擎時，大多數人都會想到雅虎。的確，雅虎開創了一個互聯網絡的搜索時代。然而，雅虎目前用于搜索網頁的技術卻并非該公司原先自己開發的。2000年8月，雅虎采用了Google（www.google.com）這家由斯坦福大學學生創建的風險公司的技術。理由非常簡單，Google的搜索引擎比雅虎先前使用的技術能更快、更準確搜索到所需要的信息。

讓我們自己來設計、開發一個強勁、高效的搜索引擎和數據庫恐怕短時間內在技術、資金等方面是不可能的，不過，既然雅虎都在使用別人的技術，那么我們是不是也可以使用別人現成的搜索引擎網站呢？

剖析編程思路

我們可以這樣設想：模擬一個查詢，向某個搜索引擎網站發出相應格式的搜索命令，然后傳回搜索結果，對結果的HTML代碼進行分析，剝離多余的字符和代碼，最后按所需要的格式顯示在我們自己的網站頁面里。

這樣，問題的關鍵就在于，我們要選定一個搜索信息準確（這樣我們的搜索才會更有意義啊）、速度快（因為我們分析搜索結果并顯示需要額外的時間），搜索結果簡潔（便于進行HTML源代碼分析和剝離）的搜索網站，由于新一代搜索引擎Google的各種優良特性，這里我們選擇它為例，來看看用PHP怎樣實現后臺對Google(www.google.com)搜索、前臺個性化顯示這一過程。

我們先來看看Google的查詢命令的構成。進入www.google.com網站，在查詢欄中輸入“abcd”，點擊查詢按鈕，我們可以發現瀏覽器的地址欄變成："http://www.google.com/search?q=abcd&btnG=Google搜索&hl=zh-CN&lr="，可見，Google是通過表單的get方式來傳遞查詢參數并遞交查詢命令的。我們可以使用PHP中的file()函數來模擬這個查詢過程。

了解File函數

語法: array file(string filename);

返回值為數組，將文件全部讀入數組變量中。這里的文件可以是本地的，也可以是遠程的，遠程文件必須指明所使用的協議。例如： result=file(“http://www.google.com/search?q=abcd&btnG=Google搜索&hl=zh-CN&lr=”)，該語句將模擬我們在Google上查詢單詞“abcd”的過程，并將搜索結果以每行為元素，傳回到數組變量 result中。因為這里讀取的文件是遠程的，所以協議名“http://”不能缺少。

如果要讓用戶輸入搜索字符進行任意搜索，我們可以做一個輸入文本框和提交按鈕，并將上文中的被搜索字符“abcd”用變量替換：
<?php
echo '<form>'; //沒有參數的form，默認提交方式為get，提交到本身
echo '<input type="text" name="keywords">'; //構造一個文本輸入框
echo '<input type="submit" value="查詢">'; //構造一個提交查詢按鈕
echo '</form>';

if (isset( keywords)) //提交后PHP會生成變量 kwywords,即要求下面的程序在提交后運行
{
urlencode( keywords); //對用戶輸入內容進行URL編碼
result=file("http://www.google.com/search?q=". keywords."&btnG=Google搜索&hl=zh-CN&lr=");
//對查詢語句進行變量替換,將查詢結果保存在數組變量 result中
result_string=join(" ", result); //將數組$result合并成字符串，各數組元素之間用空格粘和
... //進一步處理
}
?>

上面的這段程序已經能按用戶輸入內容進行查詢，并將返回的結果合成一個字符串變量$result_string。請注意要使用urlencode()函數將用戶輸入內容進行URL編碼，才可以正常地對輸入的漢字、空格以及其他特殊字符進行查詢，這樣做也是盡可能逼真地模擬Google的查詢命令，保證搜索結果的正確性。

對Google的分析

為了便于理解，現在假設我們所真正需要的東西是：搜索結果的標題。網址和簡介等，這是一個簡潔而典型的需求。這樣，我們所要做的便是：去除Google搜索結果的臺頭和腳注，包括一個Google的標志、再次搜索的輸入框和搜索結果說明等，并且在剩余的搜索結果各項條目中剝離原來的HTML格式標記，替換成我們想要的格式。

要做到這一點，我們必須仔細地分析Google搜索結果的HTML源碼，找到其中的規律。不難發現，在Google的搜索結果的正文總是包含在源碼的第一個<p>標記和倒數第二個<p>標記之間，并且倒數第二個<p>標記后緊跟table字符，而且這個組合“<p><table”在源碼中也僅有一次，利用這個特點，我們可以這樣去除Google的臺頭和腳注。

分享：用PHP生成PDF文件 with FPDF
What is FPDF? FPDF is a PHP class which allows to generate PDF files with pure PHP, that is to say without using the PDFlib library. The advantage is that PDFlib requires a fee for