前段是時間找工作，受打擊了，本以爲自己熟練了掌握了C/C++，windows編程，ATL、WTL編程，可以熟練的編寫win32DLL，可以熟練的寫MFC程序，就可以找個差不多的公司，誰料到，並不是所有的公司都找這樣寫window客戶端的人。
百度，搜索；阿里，數據挖掘。這些東西，我真是一竅不通，所以一怒之下開始研究搜索引擎（主要是想去百度，所以研究一下這個）
《自己動手寫搜索引擎》羅剛寫的那本，這本書寫的不錯，當然講的比較簡單，但是對於入門確是一本很不錯的書。
一、搜索引擎的基本技術
1、網絡蜘蛛（spider）又稱作網絡機器人（Robot），或者Crawler，其主要目的是獲取互聯網上的信息，說簡單點，就是從互聯網上下載網頁，然後通過網頁中的URL下載另一個網頁，依次類推，在互聯網中漫遊。
當然抓取網頁時候，大部分有禮貌的網絡機器人會遵循Robot.txt協議，這個協議是網站用來聲明自己不想被搜索引擎搜索的。當然，這不是硬性規定。
2、網絡蜘蛛只負責從網絡中下載文件，下一步就是提取文檔中的文本內容，主要是從HTML，TEXT，PDF，word，rtf，excel，powerpoint等文件中提取文本，當然也有流媒體內容，至於怎麼提取，都會有相應的開源代碼。
3、中文分詞，應該是屬於人工智能的知識。說白了，就是讓計算機淺層次理解人類的自然語言。例如“你能明白我的意思嗎？”這句話，對於一個外國人來說，肯定是不懂的，中文分詞就是切割句子的方法，就是告訴那個外國人，這個句子是由哪些詞語組成的。例如下面一種分割方法，“你/能/明白/我的/意思/嗎？”，當然分割方法不唯一。
中文分詞的常用方法有三種：
一種是單字方式，就是把句子中的每個字分別分割，“你/能/明/白/我/的/意/思/嗎？”
二元覆蓋方式，就是沒兩個字的分割，你能，能明，明白，白我，我的，的意，意思，思嗎
分詞的方式，“你/能/明白/我的/意思/嗎？”
分詞有兩類方法：機械匹配，基於統計的方法。
機械分配主要利用正向或反向最大匹配的方法來分詞，或者利用者兩種方法進行分詞，然後選出切出次數最小的那個方法，作爲分詞結果。
機械分配需要一個詞典來判斷一個單子組合是不是一個詞，如果這個單子組合在詞典中，則是一個詞，否則不是。
基於統計的方法，是比較準確的，但是比較複雜，常用的有最大概率分詞方法。其基本思想如下：
一個待切分的漢字串可能包含多種分詞結果；
將其中概率最大的作爲該字串的分詞結果。
4、自然語言處理，這部分比較複雜，放到以後研究。
5、創建索引庫。以我個人的理解，就是保存關鍵字的來源，比如我輸入了，“計算機”這個關鍵字，通過索引可以查到包含“計算機”這個字符串的URL，當然哪些URL才最可能是用戶想要的，這就是另一個需要研究的問題了。
上面的5條是搜索引擎的基本知識，也就是每個搜索引擎都應該有的東西，具體細節待以後研究。
二、搜索引擎的分類：
1、通用搜索，常見的有google，百度等。這是我們經常用到的搜索，容易理解。
2、垂直搜索。這是針對某一個行業的專業搜索引擎，就是專門搜索某個行業的網頁，不相關的網頁不處理。
垂直搜索是對網頁庫中某類專門的信息進行整合，定向分字段抽取行業相關的信息後再按適當的形式返回給用戶。
3、站內搜索。比較流行的有三種實現方式：
基於數據庫的搜索；基於spider抓取的站內搜索；站內搜索軟件系統
4、桌面搜索。允許用戶很方便地快速找到存在於計算機本地磁盤上的相關文檔。
好了今天的學習就到這裏，還沒吃飯，餓死了。19:19，這個時間我喜歡