揭秘PHP開發(fā)搜索引擎技術(shù)全過程_PHP教程

推薦：解讀二十五個頂級PHP模板引擎整理
為了找到一個好的模板引擎，我在互聯(lián)網(wǎng)上進(jìn)行搜索，目前已經(jīng)整理出了以下名單： Smarty Smarty的特點(diǎn)是將模板編譯成PHP腳本，然后執(zhí)行這些腳本。很快，非常靈活。 Heyes Template Class 一個非常容易使用，但功能強(qiáng)大并且快速的模板引擎，它幫助你把頁面布局

談到網(wǎng)頁搜索引擎時，很多人都會想到雅虎。的確，雅虎開創(chuàng)了一個互聯(lián)網(wǎng)絡(luò)的搜索時代。然而，雅虎目前用于搜索網(wǎng)頁的技術(shù)卻并非該公司原先自己開發(fā)的。2000年8月，雅虎采用了Google這家由斯坦福大學(xué)學(xué)生創(chuàng)建的公司的技術(shù)。理由非常簡單，Google的搜索引擎比雅虎先前使用的技術(shù)能更快、更準(zhǔn)確搜索到所需要的信息。

讓我們自己來設(shè)計、開發(fā)一個強(qiáng)勁、高效的搜索引擎和數(shù)據(jù)庫恐怕短時間內(nèi)在技術(shù)、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(shù)，那么我們是不是也可以使用別人現(xiàn)成的搜索引擎網(wǎng)站呢?

剖析編程思路

我們可以這樣設(shè)想：模擬一個查詢，向某個搜索引擎網(wǎng)站發(fā)出相應(yīng)格式的搜索命令，然后傳回搜索結(jié)果，對結(jié)果的HTML代碼進(jìn)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(wǎng)站頁面里。

這樣，問題的關(guān)鍵就在于，我們要選定一個搜索信息準(zhǔn)確(這樣我們的搜索才會更有意義啊)、速度快(因?yàn)槲覀兎治鏊阉鹘Y(jié)果并顯示需要額外的時間)，搜索結(jié)果簡潔(便于進(jìn)行HTML源代碼分析和剝離)的搜索網(wǎng)站，由于新一代搜索引擎Google的各種優(yōu)良特性，這里我們選擇它為例，來看看用PHP怎樣實(shí)現(xiàn)后臺對Google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(gòu)成。進(jìn)入Google網(wǎng)站，在查詢欄中輸入“abcd”，點(diǎn)擊查詢按鈕，我們可以發(fā)明閱讀器的地址欄變成："http://www.google.com/search?q=abcd&btnG=Google%CB%D1%CB%F7&hl=zh-CN&lr= "，可見，Google是通過表單的get方法來傳遞查詢參數(shù)并遞交查詢命令的。我們可以使用PHP中的file()函數(shù)來模仿這個查詢進(jìn)程。
懂得File( ) 函數(shù)
語法: array file(string filename);
返回值為數(shù)組，將文件全體讀進(jìn)數(shù)組變量中。這里的文件可以是本地的，也可以是遠(yuǎn)程的，遠(yuǎn)程文件必需指明所應(yīng)用的協(xié)定。例如： result=file(“http://www.google.com/search?q=a ... mp;hl=zh-CN&lr= ”)，該語句將模仿我們在Google上查詢單詞“abcd”的進(jìn)程，并將搜索結(jié)果以每行動元素，傳回到數(shù)組變量 result中。由于這里讀取的文件是遠(yuǎn)程的，所以協(xié)定名“http://”不能缺乏。
假如要讓用戶輸入搜索字符進(jìn)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：
echo '
'; file://沒有參數(shù)的form，默認(rèn)提交方法為get，提交到本身
echo '; file://結(jié)構(gòu)一個文本輸入框
echo '; file://結(jié)構(gòu)一個提交查詢按鈕
echo '
';
if (isset( keywords)) file://提交后PHP會天生變量 kwywords,即請求下面的程序在提交后運(yùn)行
{
urlencode( keywords); file://對用戶輸進(jìn)內(nèi)容進(jìn)行URL編碼
result=file("http://www.google.com/search?q=". keywords."&btnG=Google%CB%D1%CB%F7&hl=zh-CN&lr=");
file://對查詢語句進(jìn)行變量調(diào)換,將查詢成果保留在數(shù)組變量 result中
result_string=join(" ", result); file://將數(shù)組$result合并成字符串，各數(shù)組元素之間用空格粘和
... file://進(jìn)一步處理
}
??
上面的這段程序已經(jīng)能按用戶輸入內(nèi)容進(jìn)行查詢，并將返回的結(jié)果合成一個字符串變量$result_string。請注意要應(yīng)用urlencode()函數(shù)將用戶輸進(jìn)內(nèi)容進(jìn)行URL編碼，才可以正常地對輸入的漢字、空格以及其他特別字符進(jìn)行查詢，這樣做也是盡可能真切地模仿Google的查詢命令，保證搜索成果的準(zhǔn)確性。
對Google的剖析
為了便于懂得，現(xiàn)在假設(shè)我們所真正需要的東西是：搜索結(jié)果的標(biāo)題。網(wǎng)址和簡介等，這是一個簡練而典范的需求。這樣，我們所要做的便是：去除Google搜索結(jié)果的臺頭和腳注，包含一個Google的標(biāo)記、再次搜索的輸入框和搜索結(jié)果闡明等，并且在剩余的搜索結(jié)果各項(xiàng)條目中剝離本來的HTML格式標(biāo)記，替換成我們想要的格式。
要做到這一點(diǎn)，我們必需細(xì)心地剖析Google搜索結(jié)果的HTML源碼，找到其中的規(guī)律。不難發(fā)明，在Google的搜索結(jié)果的正文總是包括在源碼的第一個
標(biāo)記和倒數(shù)第二個
標(biāo)志之間，并且倒數(shù)第二個
標(biāo)志后緊跟table字符，而且這個組合“
以下所有程序均依次接續(xù)在上文程序的“進(jìn)一步處置”處。
result_string = strstr( result_string, " ");
file://取 result_string從第一個開端后的字符串，以往除Google臺頭
position= strpos( result_string," table符號的地位
result_string= substr( result_string,0, position);//截取第一個table符號之前的字符串,以往除腳注
利用與實(shí)現(xiàn)
現(xiàn)在我們已經(jīng)得到有用的HTML源碼主干了，剩下的問題是如何自主地顯示這些內(nèi)容。我們再剖析一下這些搜索結(jié)果條目，發(fā)明每個條目之間也是很有規(guī)律的用分隔，也就是各成一個段落，按這個特色我們用explode()函數(shù)把每個條目切開：
語法：explode(string separator, string string);
返回一個數(shù)組，按separator切開后的各個小字串被保留在數(shù)組中。
于是：
result_array=explode(" ", result_string); file://用字串" "把成果切開
我們就得到一個數(shù)組 result_array，其中每個元素都是一個搜索結(jié)果條目。我們所要做的僅僅是研討每個條目及其HTML顯示格式代碼，然后按請求替換就行了。下面用循環(huán)來處理 result_array中的每個條目。
for( i=0; i {
... file://處理每個條目
}
對于每個條目，我們也很輕易找到一些特色：每個條目都由題目、摘要、簡介、種別、網(wǎng)址等組成，每個部分都換行，即包括標(biāo)志，于是再次分割：(以下處置程序放在上文的循環(huán)中)
every_item=explode(" ", result_array[ i]);
這樣我們得到一個數(shù)組 every_item，其中 every_item[0]就是題目， every_item[1]和 every_item[2]兩行動摘要， every_item[3]和 every_item[4]等等的頭部如果包含“簡介:”、“< font size=-1 color=#6f6f6f>種別:< /font>”字符，則是簡介或類別(由于有的結(jié)果條目沒有該項(xiàng))，假如頭部包含“< font color=green>”則確定就是網(wǎng)址啦，這種對照斷定我們常使用正則表達(dá)式(略)，假如要替換也很便利，比如包括標(biāo)題的$every_item[0]，其本身是有鏈接的，我們盼望修改這個鏈接屬性，讓它在新窗口打開鏈接：
echo eregi_replace(' {
... file://處置每個條目中除往第一項(xiàng)(第一項(xiàng)為題目，已經(jīng)顯示)的每一項(xiàng)
... file://更多格局修正
}
這樣就修改了鏈接屬性，其余很多顯示格局的修正、剝離、調(diào)換都能用正則調(diào)換eregi_replace()來完成。
至此我們已經(jīng)得到了每個搜索條目標(biāo)每一項(xiàng)，并能任意修正每項(xiàng)的格局，甚至可以給他套上美麗的表格。然而一個好的程序應(yīng)當(dāng)能適應(yīng)各種運(yùn)行環(huán)境的，這里也不例外，我們實(shí)在還只是討論了搜索結(jié)果的HTML剝離的一種框架方式，真正要做得完善，還要斟酌很多內(nèi)容，比如要顯示一共搜索出多少結(jié)果，分成多少頁等等，甚至還可以刨除與Google相干的那些“種別”、“簡介”等代碼，讓客戶基本看不到原始網(wǎng)站。不過這些內(nèi)容和請求我們都能通過火析HTML進(jìn)行剝離得到。現(xiàn)在大家完整能自己動手，做個極富個性化的搜索引擎。
 

分享：解析php實(shí)現(xiàn)給上傳圖片加水印圖案
給圖片增加水印相信大家都了解。這里教大家給上傳的圖片加水印圖案。 用PHP給上傳圖片加水印的程序是通過判斷文件類型建立圖形，然后把其復(fù)制到原建立的圖形上，填充并建立rectangle，以備寫入imagestring()或是原已經(jīng)定好的圖像程序當(dāng)中判斷水印類型：一是