Create Your Own Search Engine with Python 用python创建你自己的搜索引擎（三）
Create Your Own Search Engine with Python 用python创建你自己的搜索引擎（三）
上一篇是什么来着？想想，对了，工作原理和基本算法简介，这一部分本来是代码分析的，结果一看，太长了，又分成两部分了，有凑字数、骗点击量的嫌疑，各位批评我吧！原文地址：http://www.zackgrossbart.com/hackito/search-engine-python/这一部分主要是search.py的介绍。
让我们开始深入代码吧！
这个应用程序的代码由两个文件组成——search.py和search.js。search.py是负责从服务器上返回搜索结果的程序，而search.js则是负责在浏览器上演示搜索（结果）。search.py只运行在服务器上，search.js只运行在浏览器中。
search.py
search.py是个PYTHON脚本，它会对搜索的词项进行语法分析（确定是语法分析？），执行搜索过程，最后生成包含搜索结果的HTML页面。search.py用CGI脚本进行开发和测试。CGI (Common Gateway Interface)是一种多种解释型脚本语言进行交互的简单方法。当要调用特定的URL时，我们就要使用命令行来调用该脚本，并把这URL的参数传递给该脚本。这种方式在UNIX系统下工作得特别好（WINDOWS又躺枪了），这个文件的第一行可以用来指定它自己的运行方式：
这一行指定这个文件应该用python程序来运行，只要服务器环境中支持python。同时，开头的" #'意指这是注释行，不像程序的其它部分会执行。这个程序有着良好的通用性和可扩展性，但在部署它时，你还是要做一点改动。这个程序定义了一个变量，代表了搜索HTML文件时的根目录。
在命令行下运行这个程序时，这个变量没有问题。而在web服务器上运行时，你就要把它指向你的HTML文件所在的位置。search.py会打开并搜索每个文件。我们现在先来看一个简化版的dosearch方法。完整版的方法在示例程序的search.py上。
我们在文件中搜索词项和页面标题时，虽然只关心搜索的词项是否出现在页面中，但我们还是需要获得标题标签（title tag）中的内容，于是我们使用正则表达式来帮忙。正则表达式是字符串匹配强有力的工具。我们使用正则表达式来表示，我们需要取出在标签<title> </title>之间的全部文本（.*的部分）。预先编译这个正则表达式1 ，之后我们就可以重复地在文件中使用。（再思维跳转一次）在搜索结果页面上，这些标题就用作那些链接对应的文本内容。这个正则表达式编译完成后，我们开始搜索文件，看看我们搜索的词项是否存在于这些文件内。想完整实现这个函数，需要递归地在子目录中搜索。图像文件或内部文件（internal file）只是打酱油的，所以我们只搜索后缀是html或htm的文件 2。我们打开某文件，里面有一堆的HTML标签，我们在这些标签中寻找这个页面的标题3。找到标题之后，还要移除这些HTML标签4。
我们必须保证不会把HTML标签里的搜索词项也提溜出来。测试文件numbersandcolorswithtag.html 就是这样的一个测试案例，它里面有一个 <span class="blue" /> 的标签，即使搜索词项中有blue这个项，我们也不希望把它从这个标签中取出来。要解决这个问题有个最简单的方法，就是在我们开始查找词项之前，把所有的HTML标签全部去掉。而这样移除标签最好的方式就是对HTML进行语法分析来实现，但是这样好像太慢太复杂了。所以，我们仅仅是寻找< 和 >符号，因为它们代表了标签的开始和结束。另外，在我们移除标签时，还可以把多余的空格也扔了5。等我们把搜索结果汇总之后，就返回一个包含了搜索结果的元组。
如果我们得到搜索结果，就可以生成结果页面了，也就是说需要用这些具有相连结构的搜索结果来创建一个HTML页面（我翻译得啰嗦，原文也有点啰嗦）。又是简化版的函数——doresultspage和 doresults。完整版的代码仍是在search.py文件里。
搜索结果页面的构建从doresultspage函数开始。这个函数呢，它先读取SearchResults.html文件1，根据这个HTML文件来定制搜索结果页面，使之匹配你的应用程序的外观和感觉。它所有的内容都可以修改，完全根据搜索词项和结果来设计版式。页面中存在两个特殊的词法单元（token）。${SEARCH_RESULTS_GO_HERE} 会被doresults函数中的搜索结果替换掉2。而搜索的词项则放入原来${SEARCH_TERMS_GO_HERE} 的位置3。别的部分则不发生变化，照样输出4。doresults函数负责的是处理实际搜索结果的输出。搜索结果是包含一个div标签的有序链表。这个div标签由id——search_results指定，可以用CSS来定制。
这个方法（一会函数一会方法，汗）一开始要确认是否有搜索结果生成1。如果没有返回任何结果，我们则发消息通知用户。如果返回了结果，我们会对结果进行迭代（我本来想译成遍历的），生成HTML代码来显示结果。python2.3里面，新增了一个内建函数——enumerate，（汗，现在用的都3.3了）。可是我们希望代码可以用较老版本的PYTHON运行（新的应该也可以），所以实际上采用的是定制的enumerate函数——enumeratez2。如果你使用的是较新版本的python，可以用标准函数来代替它。
在生成搜索结果的链接时，我们还要给URL增加一些特殊的参数。search.js文件会读取这些特殊的参数，在最终的代码中对搜索词项进行高亮化处理。还有一些在HTTP URL中不允许的特殊字符，所以它们必须使用转义字符序列来表示。在这之前，它们中大多数会在代码中，从我们的搜索词项中移除，但同时要保留转义的双引用字符。如果所有的搜索结果都列出来，就该生成结束标签了（close tag）4。
（PS：这个编辑器老给我下绊子，不懂就是吃亏）已经很长了，所以就不挤在这里了，下一部分就是search.js和结尾杀青。原文地址：http://www.zackgrossbart.com/hackito/search-engine-python/