第43章 搜尋引擎(第1/2頁)

搜尋引擎，顧名思義，便是一種用於搜尋資訊而產生的工具。一般解釋而言，便是透過使用者的需求，和一定的演算法，將使用者輸入的關鍵詞與網際網路上現存的資訊進行匹配，並按照相關度和時間順序，將符合要求的資訊羅列在使用者的眼前。

搜尋引擎這門生意講究的是個先來後到。如果能在最早的時候將知名論壇和網站的內容全部爬取，那就會在使用者佔有率上佔盡優勢。

要知道在這個時間點，日後馳名全球的尋他公司和布穀公司還在孃胎裡，呀唬公司的搜尋引擎雖然已經誕生，但其底層技術依舊是依靠人工存放網站目錄，可謂是效率極其低下。

現在已經有網際網路資訊爆炸的趨勢了，隨著資訊越來越多，人工處理流程必將被淘汰，而王向中設想的，則是搶在市場最前列，將新一代的搜尋引擎提前面世。

實際上做一個搜尋引擎並沒有看上去那麼輕鬆。首先是程式碼問題，這個年代網頁技術還停留在Web1.0（網際網路1.0）的時代，先暫且不提Ajax（Asynchronous Javascript And XML，非同步JavaScript和XML）這種動態頁面重新整理機制，就連JavaScript（一種Web頁面指令碼語言）都還尚未出現。

還好Windows公司相當強大，早在1996年釋出了ASP1.0（Active Server Pages，動態伺服器頁面），這也讓王向中不必苦哈哈地用大量C語言進行後端程式碼編寫工作。

接下來就是資料的爬取和儲存問題。這話雖然聽起來很高階，但實際上也就是將資料從別的網站上摘下來，進行索引和關鍵詞分配的簡單加工後儲存的過程。

這個時候Python語言尚還叫ABC語言，很顯然在這個年代使用這個失敗的產品是不太合適的，使用更加成熟的C++也許可以解決一些問題。

將爬蟲模型簡單地鋪開來講，最基礎的爬蟲，便是透過程式直接訪問網頁的原始碼，透過正規表示式匹配出網頁的標題和其具體內容，再接著分析網頁內的超連結所指向的頁面，逐步將整個網站的內容收入囊中。

再接下來便是資料的儲存問題。MySQL（一種關聯式資料庫管理系統）可以完美地代替文字文件進行資料存取，因為它有一項對於搜尋引擎而言重要的功能——索引。

索引可以給一條資料給予定義。舉個最簡單的比方，為了節省空間，圖書館的書一般是縱向擺放，而在每本書的側面上，都寫有書名和作者姓名。

這個書名和作者姓名，就是一本書的“索引”，當你想要找一本書的時候，顯然不可能將每本書都開啟細細查閱一番，這無疑是在浪費時間。而透過書名和作者名，你可以輕鬆地找到自己想要的那本書。

假設一本書是一條資料，那麼透過索引功能，便可以輕鬆地將它從資料庫中調取出來，而不必辛苦地逐行逐字分析書本的內容。

至於資料庫訪問最佳化，還是屬於暫時不必要考慮的問題。這個時代，網際網路上存在的網站還不算太多，不到1TB的硬碟便可以解決問題。

剩下的域名購買、網站報備申請等環節，則就是行政工作了，只要抽個時間便可以將它們全部搞定。

如此估算下來，王向中還需要一臺伺服器，一個小機房用於存放裝置，以及網路費用成本。

按照目前王向中的賺錢速度，想要快速攢到所需要的錢，還需要一些時日。

不過現在他已經可以開始著手程式碼的框架建立了，儘管在當年那個世界，程式碼這一步是最難的事情，然而在王向中身上，程式碼是最簡單的事情……

但凡是不用掏錢的事情，都是最簡單的事情。

短短三天內，電信公司便派了人來，將電話線給拉好了，與此同時，王向中也向蔣紅月借出重金，咬緊牙關買了一部固定電話。

儘管Windows95在這個年代是人類頂級智慧成果之一，但王向中還是愣了好一會，才逐漸熟悉它的操作方式。

在他這個現代人眼裡，這個所謂最先進的系統，等同於是反人類的設計功能也不為過。