我想使用Google App Engine编写一个 Web 应用程序（所以参考语言是Python）。我的应用程序需要一个简单的搜索引擎，以便用户能够找到指定关键字的数据。
例如，如果我有一个包含这些行的表：
1 办公空间
2 2001：太空漫游
3 巴西
并且用户查询“空间”，将返回第 1 行和第 2 行。如果用户查询“办公空间”，结果也应该是第 1 行和第 2 行（第 1 行在前）。
以简单的方式执行此操作的技术指南/算法是什么？
你能给我指出这背后的理论吗？
谢谢。
编辑：我不是在这里寻找任何复杂的东西（例如，索引大量数据）。
阅读 Tim Bray关于该主题的系列文章。
- 背景
- 搜索引擎的使用
- 基本
- 准确率和召回率
- 搜索引擎智能
- 棘手的搜索词
- 停用词
- 元数据
- 国际化
- 排名结果
- XML
- 机器人
- 需求清单
一如既往地从维基百科开始。首先开始通常是建立一个倒排索引。
这是一个原始的想法：
不要建立索引。严重地。
前段时间我也遇到过类似的问题。我需要一种快速的方法来搜索来自文档的大量文本。我不仅需要匹配单词，还需要匹配大型文档中的单词邻近度（这个词是否靠近那个词）。我刚刚用 C 语言编写了它，它的速度让我感到惊讶。它足够快，不需要任何优化或索引。
以当今计算机的速度，如果您编写直接在金属上运行的代码（编译代码），您通常不需要 order log(n) 类型的算法来获得所需的性能。
首先建立你的索引。遍历输入，拆分为单词
对于每个单词检查它是否已经在索引中，如果是则将当前记录号添加到索引列表中，如果没有则添加单词和记录号。
要查找一个单词，请转到（可能已排序的）索引并返回该单词的所有记录编号。
使用 Python 的内置存储类型为合理的大小列表执行此操作非常容易。
作为一个额外的改进，您只想存储单词的基本部分，例如“find”用于“finding” - 查找词干算法。
《信息检索简介》一书很好地介绍了该领域。
死树版本由剑桥大学出版社出版，但您也可以通过上面的链接找到免费的在线版本（HTML 和 PDF）。
另请参阅我提出的问题：How-to: Ranking Search Results。
当然还有更多的方法，但这是我现在使用的方法。
老实说，比我更聪明的人已经弄清楚了这些东西。我会加载 solr 应用程序并从我的 appengine 应用程序进行 json 调用，然后让 solr 处理索引。
我这个周末才发现这篇文章：http ://www.perl.com/pub/a/2003/02/19/engine.html
做一个简单的看起来并不太复杂（尽管它肯定需要大量优化才能成为企业类型的解决方案）。我计划使用古腾堡项目的一些数据来尝试概念验证。
如果您只是在寻找可以探索和学习的东西，我认为这是一个好的开始。
查看“管理千兆字节”一书，它涵盖了大量纯文本数据的存储和检索——例如。压缩和实际搜索，以及可用于每种算法的各种算法。
同样对于纯文本检索，您最好使用基于矢量的搜索系统而不是关键字->文档索引系统，因为基于矢量的系统可以更快，更重要的是可以相对简单地提供相关性排名。
试试这个：假设变量表是您的搜索条目列表。
query = input("Query: ").strip().lower()#Or raw_input, for python 2
end = []
for item in table:
if query in item.strip().lower():
end.append(item)
print end #Narrowed results
它只是遍历所有项目以查看查询是否在其中任何一项中。它适用于简单的应用内搜索功能。不过，也许不适用于整个互联网。