第403章写个搜索引擎玩玩
这年头搜索引擎对于很多人来说还比较神 秘，但在二十年后已经是公开的技术了，整个流程和各种page rank算法都是在网上就能下载到的，关于搜索引擎核心技术的详解，国内外各种书籍出了一本又一本，胡一亭自己就曾经在百无聊赖时分析过多个算法，还曾经想过拉点投资搞个搜索引擎，从ic设计全栈工程师的繁重研发业务下脱身，自己当个小老板，因此对此毫不陌生，完全可以闭着眼睛抄一个出来，在此基础上由技术人员不断更新加强，要抄的话，无论如何，那些都是领先这个时代十几年的算法，拿出手就能立刻秒杀雅虎，把谷歌掐死在襁褓里。
胡一亭见大家都钦佩地看着自己，还以为他们不信却又不好意思 说出口，只得笑道：“这真不是什么难事，搜索引擎说白了就三步，第一步下载，把要分析的网页抓下来。第二部是索引，这里面主要是先要写个全文检索引擎，对第一部里面下载下来的文本内容进行预处理，进行智能的分词，然后进行数据清洗，把非关键词和无效内容刨掉，只保留重要部分，搜索的时候其实就是搜索索引，根据用户查询的关键词，在索引里寻找匹配内容，然后展示出来。雅虎就是手工索引，其实本质上就暴露出他们的算法有大问题，图样图森破，幼稚的很。
第三点是真正有点难度的，就是说在匹配内容过多时，怎么排序，怎么把最符合用户搜索目的的内容排在前面，这就有一个排序的算法问题，这里面牵涉到一个打分制度，排序算法要把把高分项目排在前面，这里面牵涉到网站的重要程度和网页的时效性。
但总的来说，
第402章 写个搜索引擎玩玩(1/5)