主页 > 知识库 > 帮你打造属于自己的搜索引擎---百度篇

帮你打造属于自己的搜索引擎---百度篇

热门标签:Linux服务器 银行业务 电子围栏 服务器配置 Mysql连接数设置 科大讯飞语音识别系统 团购网站 阿里云
想拥有属于自己的搜索引擎吗?采用目前流行的数据采集方法,你就可以立即拥有。下面就教你一步步地去实现。

一、认识百度搜索

百度搜索,全球最大中文搜索引擎,2005年8月5日在美国纳斯达克上市交易,目前是国内用户使用率最高的搜索引擎,提供网页、新闻、图片、音乐、地图等各种搜索

1、百度网页搜索的查询参数

必备参数

☆ wd--查询的关键词(Keyword)
☆ pn--显示结果的页数(Page Number)
☆ cl--搜索类型(Class),cl=3为网页搜索

可选参数
☆ rn--搜索结果显示条数(Record Number),取值范围在10--100条之间,缺省设置rn=10
☆ ie--查询输入文字的编码(Input Encoding),缺省设置ie=gb2312,即为简体中文
☆ tn--提交搜索请求的来源站点
几个有用的tn 
tn=baidulocal 表示百度站内搜索,返回的结果很干净,无广告干扰。比如,在百度站内搜索"快乐",看看返回结果是不是很清爽。
tn=baiducnnic 想把百度放在框架中吗?试试这个参数就可以了,是百度为Cnnic定制的

☆ si--在限定的域名中搜索,比如想在新浪的站内搜索可使用参数si=sina.com.cn,要使这个参数有效必须结合ct参数一起使用。

☆ ct--此参数的值一般是一串数字,估计应该是搜索请求的验证码

si和ct参数结合使用,比如在sina.com.cn中搜索"理想",可用:http://www.baidu.com/baidu?ie=utf-8am ... ncl=3word=理想

☆ bs--上一次搜索的关键词(Before Search),估计与相关搜索有关

2、百度搜索结果页面结构

按源代码结构自上而下为:

搜索框
右侧的火爆地带固定排名
搜索结果
分页区
相关搜索
底部搜索框
版权区

其中"搜索结果、分页区"这两部分就是我们需要的有效数据,根据其代码结果可以发现其唯一的字符串标识,通过这个标识截取内容就可以了,具体看后面的代码。

二、核心函数--使用asp的xmlhttp组件

数据采集程序,俗称小偷程序,其核心部分就是这个xmlhttp组件,用xmlhttp采集数据有些老生常谈了,网上资料也不少,一般的采集代码都是

set http=Server.createobject("MSXML2.XMLHTTP") 
Http.open "GET",url,false '打开xmlhttp
Http.send() '发送请求
if Http.readystate>4 then
exit function 
end if 
getHTTPPage=bytesToBSTR(Http.responseBody,"GB2312") '返回结果(一般是字节流),并将字节流转换为字符串
set http=nothing '释放xmlhttp

详细应用见下面的完整代码

三、完整代码(文件名:searchi_bd.asp)

%
option explicit
Dim wd,pn
wd = Request("wd")
pn = Request.QueryString("pn")
'开始错误处理
On Error Resume Next
If Err.Number > 0 Then
Response.Clear
'显示错误信息给用户 
Response.Write "p align='center' >font size=3> 出错了,请重新打开百度搜索./font>/p>"
end if
%>
HTML>
HEAD>
TITLE>百度搜索--%=wd%>/TITLE>
/HEAD>
STYLE type=text/css>
!--
body,td{font-family:arial}
TD{FONT-SIZE:9pt;LINE-HEIGHT:18px}
.cred{color:#FF0000}
//-->
/STYLE>

BODY leftmargin="0" topmargin="3" marginwidth="0" marginheight="0">
table align="center" width="98%" cellspacing="0" cellpadding="0" border="0" bgcolor="#ffffff" >
tr>
form name="f1" method="post" action="searchi_bd.asp">
td width=150 height=50>
你的LOGO
/td>
td align="left">
input name=wd size="40" maxlength="100" title="输入关键字,然后Let's Searching..." value="%=wd%>">
input type="submit" value=" 百度搜索 ">
/td>/form>/tr>
/table>
%
Dim strUrl,strTmp_bd,strInfo,strPage,strPageSum_bd,strQtime_bd
Dim bNoResult_bd,regEx,patrn
'百度查询字符串
strUrl = "http://www.baidu.com/s?ie=gb2312wd="wdam ... pn"cl=3"
'开始采集
strTmp_bd = GetHTTPPage(strUrl)
If InStr(strtmp_bd,"未找到和您的查询")>0 Then
bNoResult_bd=1
End If

'截取"搜索结果"部分的内容
strinfo = strCut(strTmp_bd,"DIV id=ScriptDiv>/DIV>","br clear=all>",2)
patrn="/td>/tr>/table>br>"
Set regEx = New RegExp ' 建立正则表达式。
regEx.Pattern = patrn ' 设置模式。
regEx.IgnoreCase = true 
regEx.Global = false 
strinfo=regEx.replace(strinfo,"") 

'截取"分页区"部分的内容
strPage = strCut(strTmp_bd,"br clear=all>","br>",2)
strPage = Replace(strPage,"href=s?","href=searchi_bd.asp?")
'结果数量与用时
strPageSum_bd=strCut(strtmp_bd,"找到相关网页约","篇",2)
if not IsNumeric(strPageSum_bd) then
strPageSum_bd=strCut(strtmp_bd,"找到相关网页","篇",2)
end if
strQtime_bd=strCut(strtmp_bd,"用时","秒",2)
Set strTmp_bd=nothing

%>
!-- T1-Start -->
table cellspacing=0 cellpadding=0 border=0 width=98% align="center">
tr valign=center align=middle height=18>
td width=1 bgcolor=#999999>

td nowrap style="FONT-WEIGHT:bold;COLOR:#ffffff;BACKGROUND-COLOR:#0033cc" width=64>互联网/td>

td align=right bgcolor=#eeeeee>nobr>找到符合b>%=wd%>/b>的相关网页b>%=strPageSum_bd%>/b>篇,用时b>%=strQtime_bd%>/b>秒/nobr>nbsp;/td>
/tr>
tr>td bgcolor=#999999 colspan=3 height=2>/td>/tr>/table>
/td>
/tr>
/table>

%
if wd="" then
Response.Write "p align='center' >font size=-1> 您好,请在搜索框中输入关键词./font>/p>"
elseif bNoResult_bd=1 then
Response.Write "p align='center' >font size=-1> 抱歉,未找到任何符合您查询条件的信息,请重新选择合适的关键词进行查询./font>/p>"
else
%>
table width="98%" align="center" cellspacing="0" cellpadding="0" border="0">
tr>
td style=line-height:160% bgcolor="#ffffff" width="75%" valign=top>br>
%=strinfo%>
/td>
td width="25%" valign=top>br> 这是你发挥的空间! 
/td>
/tr>
/table>
table width="98%" align="center" cellspacing="0" cellpadding="4" border="0">
tr>
td align="center">
br>font size=3>%=strPage%>/font>
/td>
/tr>
/table>
%End If 
set strinfo=nothing

%>
hr size="1" width="760" color="#0000ff">

div align="center">font size=-1>
程序更新请到这里span class="cred">(知识分享论坛)/span>查看/font>
/div>
/BODY>
/HTML>

%
'采集函数
Function getHTTPPage(url) 
On Error Resume Next
dim http 
set http=Server.createobject("MSXML2.XMLHTTP") 
Http.open "GET",url,false 
Http.send() 
if Http.readystate>4 then
exit function 
end if 
getHTTPPage=bytesToBSTR(Http.responseBody,"GB2312")
set http=nothing
If Err.number>0 then 
Response.Write "div align='center'>b>服务器获取文件内容出错/b>/div>" 
Err.Clear
End If 
End function
'字节流转换为字符串
Function BytesToBstr(body,Cset)
dim objstream
set objstream = Server.createObject("adodb.stream")
objstream.Type = 1
objstream.Mode =3
objstream.Open
objstream.Write body
objstream.Position = 0
objstream.Type = 2
objstream.Charset = Cset
BytesToBstr = objstream.ReadText 
objstream.Close
set objstream = nothing
End Function

'截取字符串,1.包括前后字符串,2.不包括前后字符串
Function strCut(strContent,StartStr,EndStr,CutType)
Dim S1,S2
On Error Resume Next
select Case CutType
Case 1
S1 = InStr(strContent,StartStr)
S2 = InStr(S1,strContent,EndStr)+Len(EndStr)
Case 2
S1 = InStr(strContent,StartStr)+Len(StartStr)
S2 = InStr(S1,strContent,EndStr)
End select
If Err Then
strCute = "p align='center' >font size=-1>截取字符串出错./font>/p>"
Err.Clear
Exit Function
Else
strCut = Mid(strContent,S1,S2-S1)
End If
End Function

%>


把上面的代码Copy到记事本保存为searchi_bd.asp,就可以使用了。如果你要更改文件名,请同时把以下代码中蓝色标识部分改为你的文件名

strPage = Replace(strPage,"href=s?","href=searchi_bd.asp?")

几点说明:

1、百度搜索基本上没有什么反采集的措施,主要一点就是百度隔一段时间会更改返回结果页面的源代码,所以要经常观察百度的搜索结果页面,发现代码变动了,就将几处字符串标识改动一下。在反采集方面,百度比Google大度多了,目前还没发现由于频繁查询百度而出现暂时屏蔽来源站点IP的现象,而在Google查询中经常出现这个现象,如何解决就在下篇文章里谈一谈。

2、采集比较耗资源,搜索小偷程序一样,所以程序中尽量早点释放变量或对象。如果你的空间资源不多,建议就不要搞这些了。

3、有些人可能不愿意在自己做的搜索小偷中保留任何百度的功能连接,比如百度快照和站内搜索等功能。为此我在下载包中提供一个无百度任何连接的精简版,你可以根据需要使用,在本文中就不列出代码了,其实和完整版的差不多。

标签:广元 萍乡 衢州 衡水 枣庄 蚌埠 江苏 大理

巨人网络通讯声明:本文标题《帮你打造属于自己的搜索引擎---百度篇》,本文关键词  ;如发现本文内容存在版权问题,烦请提供相关信息告之我们,我们将及时沟通与处理。本站内容系统采集于网络,涉及言论、版权与本站无关。
  • 相关文章
  • 收缩
    • 微信客服
    • 微信二维码
    • 电话咨询

    • 400-1100-266