当前位置：文档之家› 搜索引擎实验三

搜索引擎实验三

一、实验目的

理解搜索引擎中的分词技术。

二、实验内容

编写程序实现对一段中文文章，利用最长正匹配算法进行分词

三、实验过程

3.1 分词程序流程图

3.2 分词程序源代码

boolean f;

int Dlen=33;

String dictionary[]={

"生命","最后","余光","仔仔细细","检视","一点","一滴","鲜明",

"生动","日子","熟悉","面孔","一言一语","生活","装进","装入",

"扉页","钟爱", "一并","自己","一遍","甘心","二十","收拾","一切",

"灿烂","结束","微笑","昨天","还给","孤单","留给","自己"};

try {

FileInputStream in=new FileInputStream("d:\\123.txt");

BufferedReader breader = new BufferedReader(new

InputStreamReader(in,"gb2312"));

String inputstr,word=null;

int i,j,k;

while ((inputstr=breader.readLine())!=null)

{

for (i=0;i

{

f=false;

for (j=4;j>1;j--)

{

word=inputstr.substring(i, i+j);

for (k=0;k

if (dictionary[k].equals(word))

{

f=true;

break;

}

if (f) break;

}

word=inputstr.substring(i, i+j);

if (!(word.equals("，")||word.equals("。")||word.equals("？")||word.equals("！")||word.equals("“")||word.equals("”")))

System.out.print(word+"\n");

i=i+j;

}

}catch (FileNotFoundException e)

{}catch (Exception e) {}

四、程序运行截图

4.1 所选文字

4.2 程序运行结果

五、实验总结

通过此次实验，我深刻理解了搜索引擎的基于词典的分词技术。

搜索引擎检索技巧

搜索引擎搜索引擎(search engine),1995年开始搜索引擎以一定的策略从网络收集、发现信息，对信息进行理解、提取、组织和处理，并为用户提供检索服务，从而起到信息导航的目的。搜索引擎站－－－“网络门户”

1、搜索引擎的工作原理信息的收集处理信息的检索输出

2、搜索引擎的分类搜索引擎按其工作方式主要可分为三种: 目录索引类搜索引擎（Search Index/Directory）机器人搜索引擎(全文搜索引擎)（Full Text Search Engine）元搜索引擎（Meta Search Engine）

2、搜索引擎的分类（续）目录式搜索引擎目录式搜索引擎：以人工方式或半自动方式搜集信息，由编辑员查看信息之后，人工形成信息摘要，并将信息置于事先确定的分类框架中。信息大多面向网站，提供目录浏览服务和直接检索服务。该类搜索引擎因为加入了人的智能，所以信息准确、导航质量高，缺点是需要人工介入、维护量大、信息量少、信息更新不及时。这类搜索引擎的代表是：yahoo!、Galaxy、Open Directory……

2、搜索引擎的分类（续）机器人搜索引擎由一个称为蜘蛛（Spider）的机器人程序以某种策略自动地在互联网中搜集和发现信息，由索引器为搜集到的信息建立索引，由检索器根据用户的查询输入检索索引库，并将查询结果返回给用户。服务方式是面向网页的全文检索服务。该类搜索引擎的优点是信息量大、更新及时、毋需人工干预，缺点是返回信息过多，有很多无关信息，用户必须从结果中进行筛选。这类搜索引擎的代表是：AltaVista、Northern Light、Excite、Infoseek、Inktomi、FAST、Lycos、Google；国内代表为：百度等。

实验六搜索引擎高级功能 (1)

实验六搜索引擎高级功能【实训目标】： 1．了解国内国外常见的搜索引擎； 2．会使用搜索引擎的高级搜索功能； 3．掌握利用搜索引擎高级搜索技巧来收集商务信息的技巧【实训任务】：了解搜索引擎的高级功能并利用这些功能收集商务信息【实训相关知识】： 1．搜索引擎的基本原理和分类； 2．搜索引擎的高级搜索功能【实训内容】： 1．浏览国内外常见的搜索引擎网站； 2．体验不同搜索引擎的高级搜索功能； 3．利用搜索引擎高级搜索技巧收集相关信息【实训步骤】： 1．搜索常见的搜索引擎地址在下面表格中填入各个地区知名的搜索引擎（1-3个）地区搜索引擎名称搜索引擎地址1 中国 2 美国 3 欧洲 4 日本

在下面表格中填入相应搜索关键字搜索要求搜索引擎搜索命令搜索含“搜索引擎优化”，要求结果格式为Word格式Bai du 例：filetype:doc 搜索引擎优化 Go ogle 搜索关键字“电子商务”，但结果中不要出现“网络营销”字样 Bai du Go ogle 搜索腾讯网中关于“网络营销”的内容Bai du Go ogle 任务一：通过美国的搜索引擎（自己查找、选择）搜索3家提供“空气滤清器”产品的公司，填写下表：公司名称公司联系方式公司产品照片公司网址 : 专业网站－1：专利网站－2：手机防盗产品专利信息：任务三：某公司的主打产品是“减速机”，现在该公司希望了解该产品在网络市场中的行情，请根据实际情况填写下表：网站网址注册公司数量发布产品数量供应信息数量求购信息数量 1 阿里巴巴 2 中国制造网

3 中国五金网任务四：收集以下产品在美国和中国市场中的价格产品MP3: IPOD NANO 8G 5代三星手机E958 浪琴L4.209.2.32.7 美国价格插入产品图片插入产品图片插入产品图片信息来源中国价格插入产品图片插入产品图片插入产品图片信息来源（1）在博客里发表一篇独创性的文章，看其需要多久才被百度、谷歌、雅虎收录，比较哪个搜索引擎收录比较快，是否有访问者？（2）在百度、雅虎、谷歌里搜索“中国大学”，看其收录相关网页数量和花费时间？关键字越来越具体换成“中国最好的大学”、“中国西南最好的大学”“中国西南最好的师范大学”…看百度、谷歌、雅虎收录网站数量的变化，以及搜索结果与关键字的对应情况。（3）在百度、谷歌、雅虎里搜索成都到绵阳的距离。（4）在百度的高级搜索里，增加对搜索条件的限制，对比分析其搜索结果的变化。首先只限制关键字（如成都精密无缝钢管——成都无缝钢管——无缝钢管——不含精密关键字），然后加入对搜索结果显示条数的限制，对搜索时间和语言的限制等等，学习高级搜索的使用。（5）了解百度的广告策略通过百度首页的“加入百度推广”，进入百度推广（原竞价排名）。了解百度推广（原竞价排名）的含义从对“鲜花”进行搜索上，了解自然排名与竞价排名在搜索结果显示的不同。竞价排名的显示方式：要求展示屏幕图片自然排名的显示方式：要求展示屏幕图片了解百度的“火爆地带”，比较与百度竞价排名在收费方式、摆放位置的不同。（6）了解Google的广告策略通过Google广告计划了解Google AdWords 关键字广告的放置位置和收费情况。了解Google AdSense 广告联盟及其放置位置，考虑Google通过Google AdSense 在别的网站上投放广告的营销价值。搜索在哪些网站上可以看到Google 提供的广告。尝试在自己的博客上发布Google AdSense广告。如果自己的博客不支持发布，查询有哪些博客支持，尝试一下。

网络营销实验报告

网络营销实验报告（一） ——网络营销概念认知实验目的：通过上机操作,了解网络营销的现状、发展及常用手段方法。实验内容：浏览主要门户网站及专门网络营销网站，总结网络营销的基本现实状况，认识常见的网络营销方式。过程描述：1、浏览百度、新浪、网易、腾讯、搜狐、凤凰网等国内主要门户网网站（上图，以新浪网为例）。了解到，A、门户网站是指通向某类综合性互联网信息资源并提供有关信息服务的应用系统。门户网站最初提供搜索引擎、目录服务，后来由于市场竞争日益激烈，门户网站不得不快速地拓展各种新的业务类型，希望通过门类众多的业务来吸引和留住互联网用户，以至于目前门户网站的业务包罗万象，成为网络世界的“百货商场”或“网络超市”。B、门户网站主要提供新闻、搜索引擎、网络接入、聊天室、电子公告牌、免费邮箱、影音资讯、电子商务、网络社区、网络游戏、免费网页空间等服务。C、常见的网络营销方式有：网络站点营销、无网站营销、论坛推广、博客宣传、E-mail营销、友情链接、B2B平台、软件捆绑等。D、对网络营销有以下新认识：网络营销是手段而不是目的，它不是指网上销售，也不等于电子商务。网络营销不是孤立的，无论处于主导地位还是辅助地位，都是互联网时代市场营销中必不可少的内容。

机营销网，中国营销传播网等。

思考与结论： 1、网络营销，是互联网时代的市场营销，借助网络、计算机通信和数字交互或媒体来实现企业的营销目标，但它不仅仅只通过网络进行商品或劳务买卖活动，还涉及到传统市场的方方面面、 2、网络营销具有范围广、可视性强、公平性好、交互性强、能动性强、灵敏度高、易运作等优势。但网络形式的效果至今无法像传统媒体那样容易把握，包括网络广告所影响的区域、对象以及对象的购买力等等，不定因素多。随着计算机技术的迅速发展，企业必须紧跟技术发展步伐，否则很容易丧失营销策略的时效性和竞争优势。 3、网络营销环境包括宏观和微观两个方面。微观即行业环境因素，主要包括企业内部条件和供应商、营销中介、顾客、竞争者、合作者以及公众等企业开展电子商务、网络营销的上下游组织机构。不同行业企业的微观营销环境是不同的。网络营销宏观环境是指对企业网络营销活动影响较为间接的各种因素的总称，主要包括政治法律、人口、经济、社会文化、科学技术、自然地理等环境因素。互联网用户数量保持大幅增长态势，网民的结构发生变化，网上第三方认证环境普及化，但弊端也是显而易见的，等等。

搜索引擎营销案例分析

搜索引擎营销案例分析文/盛漏托盘https://www.doczj.com/doc/7b6459934.html, 很高兴在今天的会议上和大家分享一些知识。前面的嘉宾从战略的角度、策略的角度上分享了很多的经验，我感觉到受益匪浅，下面我从技术的角度上和大家分享一下。中小网站搜索引擎友好设计：现在我们现在中国有1.75亿网民通过搜索引擎进行搜索网站，搜索引擎是一个非常重要的流量来源，我们分享的是SEO，这传入国内以来，有一个正反两面的争论，这个可以用作弊的方法做一个短暂的网站流量，搜索引擎优化是在确保用户体验的同时，以搜索引擎为中心的优化推广行为。搜索引擎优化主要包括三大部分：搜索引擎友好、外围环境优化，营销推广。首先做SEO之前我们有做自己的网站要有一个准确的定位，你的网站是做什么的？你后面的营销活动、后面各种推广和宣传才能基于这个出发，我们的网站是用来做品牌宣传的，还是做企业的平台做形象展示的，孩或者是给用户服务的，我们以这个为目的做一些相应的推广和营销。搜索引擎的网站设计：什么样的网站设计用户比较喜欢呢？主要分为几个小点：一是网页静态化。现在有很多小型网站都是动态的，甚至里面包括很多特色的东西，像这些网址一旦参数超过三成、五成甚至于更多的情况下，可能会影响速度，网页静态化可以提高浏览速度，有利于搜索引擎蜘蛛高效率的爬行，提高并加快搜索引擎收录。我们使用静态化的方法，有限的方法就是常用的ASP、PHP、JSP等生态静态网页，这是网站中间都是实实在在存在的。如果这种方式实现比较困难，可以进行一些伪静态。二是搜索引擎的不利因素。搜索引擎不利因素对网站危害很大。Flash虽然美观，交互性强，但长期危害着网站在搜索引擎中的表现。图片中的重要内容，Javascript等其他也有一些不利的因素。三是网页代码规范。网页代码规范有助于Spider高效率爬行。我们可以让CSS与HTML 分离，尽量使用DIV+ CSS，这个最大的优点也就是代码比较简单，代码简单了搜索引擎搜索起来就越方便，搜索引擎喜欢这样的网页。把网页代码进行精简。在这种情况下使用搜索引擎的速度是不一样的。我们很多做页面编辑的人会发现，网页代码越精简越容易。四是用户习惯与网页焦点。结合我前面说到的与网站的定位，不同的用户群体有不同的浏览习惯和对网页关注的焦点。我们要考虑到用户的这种习惯来进行，有很多网站喜欢在左边放导航，有的网站喜欢在右边放导航，而有些是以另外一些方式进行的。所以要分析目

各种搜索引擎技巧

.html .asp/.aspx .php .jsp Html语言变量、函数、组建、流程、循环、结构代码结构进行优化 URL 统一资源定位符号universal resources locator 网络地址 Filetype Intitle Inurl 美萍点播系统VOD down:43 Site: 在站内进行检索 Intext: Seo搜索引擎优化-》sem搜索引擎营销-》网络营销【项目背景介绍】信息社会，信息以爆炸式的方式增长，网络环境下，搜索引擎是我们通往目的地的必备武器，但是在浩如烟海的网络信息里面，很多网友都只会简单的搜索，往往不能够很好的达到搜索的目的，因此也无法完成对海量信息的综合处理。作为电子商务专业学生，如何高效的完成信息检索，无论是对个人依托网络进行的学习还是今后的网络商务工作，都十分重要。【项目工具简介和环境要求】互联网机房能正常访问互联网、IE插件正常【项目延伸思考题】搜索引擎的商用价值各类搜索引擎通用的高级搜索命令提高网站被检索可能性的建议【项目教学难点】网站备案机制网站支付流程的合理性网站联系信息的真实性判断【项目实施步骤】项目简介—快速测试—软件包传送—学生自我摸索（安装、调试、搜索等）—手把手—应用场合分析—新模式联想随着网络技术尤其是WWW站点的快速发展和普及，人们通过Internet获取全球信息的可能性越来越大。可以说，我们所需要的信息，绝大部分都可以通过因特网获取。但是网络信息内容庞杂、分散无序，各种有价值、所需的信息资源淹没在信息的“汪洋大海”中，给人们查询和利用网络信息资源带来了极大的不便。为了更有效地开发和利用网络信息资源，人们研制了许多网络信息检索工具，其中WWW是Internet上增长最快、使用最方便灵活的多媒体信息传输与检索系统，越来越多的用户将自己的信息以WWW的方式在网上发布。WWW服务器已称为互联网上数量最大和增长最快的信息系统，因而可以检索WWW网址网页以及新闻论坛、BBS文章的检索工具——搜索引擎称为查询网络信息的最主要的检索工具。有人说，会搜索才叫会上网，搜索引擎在我们日常生活中的地位已是举足轻重。你也许是个刚买了“猫”兴冲冲地要上网冲浪，也许已经在互联网上蛰伏了好几年，无论怎样，要想在浩如烟海的互联网信息中找到自己所需的信息，都需要一点点技巧。对于企业而言，学习搜索，提高技巧，就能找到更多的潜在客户。

搜索引擎-第二次实验报告

实验二：实验一、实验目的：根据网络爬虫的基本原理，实现一个简易网络爬虫，需要达到以下指标： 1、种子URL为https://www.doczj.com/doc/7b6459934.html,； 2、至少抓取10000个页面； 3、至少完成3轮抓取，每轮给出更新的URL及其数量； 4、实现ＵＲＬ判重，列出每轮爬去时重复的URL数量； 5、数据存放到数据库中，能抽取出网页中的标题、页面生成日期（http协议中的时间），至少包含标题、时间、url、抓取时间、网页正文这几个字段。二、实验方案： 1.爬虫分析与设计我们组应用的是java来写爬虫，我们应用SSM框架将数据库和应用程序连接起来，可以在程序中更简单的进行数据库插入、查询等操作。在对url处理的时候我们用的是Java的URL类，通过这个类可以获得请求头的一些信息，例如编码方式。如何获取url，我们一开始遇到了一些问题，直接解析网页中的ref 标签的时候得到的不全是网页链接，所以转换思路，我们先得到页面中的标签，然后再得到标签里边href中的url，然后再对url进行处理。在处理url的时候，因为网页中的url并不是全部以http开头的，所以在url获取部分，对url的格式进行判断，如果通常格式就进行修改，例如，有的链接是”#”，我们就把开始搜索的url加到它的前边，形成一个正确的url。

图1：应用URL类获取网页内容图2：利用url请求头获取编码信息图3：获取a标签

图4-1：获取url 图4-2：获取url

图5：url判重 2.数据库分析与设计我们设计了两个表，一个是未爬取url表，两一个是已经爬取url表。未爬取的表中村的是搜索判重之后，还没有爬取的url，已爬取的存储爬取到的信息。图6：判重后需要爬取的url表图7：爬取后url信息存储表