搜尋引擎技術核心揭密

標記和倒數第二個

標記之間，並且倒數第二個

標記後緊跟table字元，而且這個組合「

　　以下所有程式均依次接續在上文程式的「進一步處理」處。



　　result_string = strstr( result_string, \"

\"); //取 result_string從第一個

開始後的字串，以去除Google台頭

position= strpos( result_string,\"

table符號的位置

result_string= substr( result_string,0, position);//截取第一個

table符號之前的字串,以去除腳注



應用與實現



　　OK，現在我們已經得到有用的HTML源碼主幹了，剩下的問題是如何自主地顯示這些內容。我們再分析一下這些搜尋結果條目，發現每個條目之間也是很有規律的用

分隔，也就是各成一個段落，按這個特點我們用explode()函數把每個條目切開：



　　語法：explode(string separator, string string);



　　返回一個陣列，按separator切開後的各個小字串被保存在陣列中。



　　於是：

result_array=explode(\"

\", result_string); //用字串\"

\"把結果切開



　　我們就得到一個陣列 result_array，其中每個元素都是一個搜尋結果條目。我們所要做的僅僅是研究每個條目及其HTML顯示格式程式碼，然後按要求替換就行了。下面用循環來處理 result_array中的每個條目。

for( i=0; i {

... //處理每個條目

}



　　對於每個條目，我們也很容易找到一些特點：每個條目都由標題、摘要、簡介、類別、網址等組成，每個部分都換行，即包含
標記，於是再次分割：（以下處理程式放在上文的循環中）

every_item=explode(\"
\", result_array[ i]);



　　這樣我們得到一個陣列 every_item，其中 every_item[0]就是標題， every_item[1]和 every_item[2]兩行為摘要， every_item[3]和 every_item[4]等等的頭部如果包含「簡介:」、「< font size=-1 color=#6f6f6f>類別:< /font>」字元，則是簡介或類別（因為有的結果條目沒有該項），如果頭部包含「< font color=green>」則肯定就是網址啦，這種對比判斷我們常使用正規表達式（略），如果要替換也很方便，比如包含標題的$every_item[0]，其本身是有連結的，我們希望修改這個連結屬性，讓它在新視窗打開連結：

echo eregi_replace(\' {

... //處理每個條目中除去第一項（第一項為標題，已經顯示）的每一項

... //更多格式修改

}



　　這樣就修改了連結屬性，其餘很多顯示格式的修改、剝離、替換都能用正規替換eregi_replace()來完成。



　　至此我們已經得到了每個搜尋條目的每一項，並能任意修改每項的格式，甚至可以給他套上漂亮的表格。然而一個好的程式應該能適應各種執行環境的，這裡也不例外，我們其實還只是討論了搜尋結果的HTML剝離的一種框架方法，真正要做得完美，還要考慮很多內容，比如要顯示一共搜尋出多少結果，分成多少頁等等，甚至還可以刨除與Google相關的那些「類別」、「簡介」等程式碼，讓客戶根本看不到原始網站。不過這些內容和要求我們都能通過分析HTML進行剝離得到。現在大家完全能自己動手，做個極富個性化的搜尋引擎啦。