全站点内容定位搜索的研究与实现

2 0 1 3鼻g ' t o￣文章编号： 1 0 0 9- 2 5 5 2 ( 2 0 1 3 ) 1 O一 0 1 3 4— 0 5 中图分类号： T P 3 9 3 文献标识码： A

全站点内容定位搜索的研究与实现孙瑶，赵逢禹(上海理工大学光电信息与计算机工程学院，上海 2 0 0 0 9 3 )

摘

要：提出并实现了一种基于 L u c e n e的全站点内容搜索方法，其搜索内容主要针对某个组织

机构管理下的所有网站服务器上的信息内容，包括静态网页信息、动态网页中的表单信息以及附件文档内容。文中介绍了全站点内容搜索的设计思想、架构设计和具体实现，并根据实验结果验证全站点内容搜索的实用性和效率。

关键词：全站点搜索；网站；内容检索；组织机构

Re s e a r c h e s a n d r e a l i z a t i o n o n f u I l 1 . s i t e c o n t e n t r e t r i e v a l me t h o dS UN Ya o.ZHA0 F e n g . y u( S c h o o l o f Op t i c a l - E l e c t i r c a l a n d C o mp u t e r E n g i n e e r i n g, U n i v e r s i t y o f S h a n g h a i f o r S d e n c e a n d T e c h n o l o g y, S h ng a h a i 2 0 0 0 9 3, C h i n a )Abs t r ac t: A f u l l— s i t e c o nt e n t r e t r i e v a l me t h o d i s p r o p o s e d a n d d e v e l o p e d whi c h c a n b e u s e d t o s e a r c h a l l c o n t e n t o n e n t e r pr is e o r i n s t i t u t i o n we b s i t e s, i nc l u d i n g s t a t i c we b p a g e s,d y n a mi c we b f o r m a n d a t t a c h me n t d o c u me n t s .Th e c o n c e p t d e s i g n,a r c h i t e c t u r e d e s i g n a n d r e a l i z a t i o n or f t he r e t ie r v l

a me t ho d a r e i n t r o d u c e d. Th e e x p e ime r n t r e s u l t s p r o v e t h e p r a c t i c a l i t y a n d e ic f i e n c y o f t h e f u l l - s i t e c o n t e n t r e t ie r v a l me t h 0 d.

Ke y wo r d s:f u l l— s i t e s e a r c h i n g;we b s i t e s;c o n t e n t r e t r i e v a l;e n t e r p i r s e a n d o r g a n i z a t i o n

0 引言互联网发展至今，组织机构的网站信息量也在与日俱增。在一个组织结构的门户网站上，可能连接着多个部门的二级网站，各个部门也会将大量的文档上传到不同的服务器上。随着组织机构网站的数据容量日趋增长，数据类型也越发多种多样，累积

说，如何能够精确定位用户需要的文档，成为提高组织内用户获取内部信息的一种有效方式。因此，全站点内容搜索成为一个当前人们急需解决的问题。

所谓全站点内容搜索是搜索隶属于某一组织或机构的所有网站服务器上的信息内容，包括静态网页中的 H T ML信息、动态网页中的表单信息 (该表

的大量杂乱的信息并没有得到充分的利用。一方面是组织机构自身对信息架构、管理、发布的需求，以及用户对信息的组织、查询、可寻性的要求越来越高，而另一方面组织机构内的用户在获取内部信

单是从数据库中动态加载的)以及附件文档内容信息。虽然通用搜索引擎如百度、谷歌，均能够为互联网用户提供强大的搜索功能，但是通用搜索引擎同

样难以实现针对组织机构的全站点搜索。而另一方面，通用搜索引擎也不能做到网站中附件文档的全文搜索功能，即针对文档内容的搜索。因而，使用通

息方面仍缺乏有效手段 j。例如，网站上提供的查询功能常常无法查到所需要的信息，门户网站提供

的搜索功能只能搜索到网站上部分信息内容，并不能做到对组织机构内部的全部网站信息的搜索，即全站点搜索，更无法实现根据网站中存储的附件文件进行基于内容的搜索。这一问题在绝大

多数的组织机构的网站中普遍存在。对于一个组织或机构来一

用搜索引擎来搜索组织机构内部的信息资源，不能很好地满足其内部用户的全站点内容搜索需求。目收稿日期：2 0 1 3— 0 3— 2 5 作者简介：孙瑶 ( 1 9 8 7一),女，硕士研究生，研究方向为软件工程。

1 3 4一