Boost Searcher介绍

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

示例

去标签化，清理数据

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

• 根据将去标签化后构建的内容集合 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进行 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

Boost查询

• 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