Just so so
1/6
2018

基于Lucene、Servlet新闻搜索引擎

GitHub地址:https://github.com/mJackie/LTY-Search
详细文档参见 设计文档
image

image

作业要求

(1-7个选课学生组成1队),完成以下任务(12月份末考查):

新闻及评论搜索:定向采集不少于4个中文社会新闻网站或频道,实现这些网站新闻信息及评论信息的自动爬取、抽取、索引和检索。

  1. 新闻网页数目不少于10万页。每个新闻网页及其评论能在1天内更新。
  2. 支持关键词检索及通配符检索。检索时间平均不超过2秒。
  3. 能按相关度、时间、热度(需要自己定义)等属性对检索结果进行排序。能对评论的贬褒进行分析。
  4. 具备查询自动补齐、相关搜索推荐、snippet生成、结果预览(鼠标移到相关结果,能预览)等功能。
  5. 每条检索结果下面可以对相似新闻进行查找。
  6. 首页中列举当前最热的社会新闻。

演示地址

http://47.95.248.80:8089/Search/index

技术

  • 爬虫:Python , Scrapy
  • 后端: Lucene,JAVA Servlet
  • 前端: Bootstrap ,JQuery
  • 服务器: Tomact

实现功能

  • 新闻网页数目不少于10万页
  • 支持关键词检索及通配符检索。检索时间平均不超过2秒
  • 能按相关度、时间、热度(需要自己定义)等属性对检索结果进行排序
  • 具备snippet生成、结果预览(鼠标点击新闻标题,能预览)等功能
  • 每条检索结果下面可以对相似新闻进行查找
  • 首页中列举当前最热的社会新闻

创新点

  • 垂直检索(分类检索,可以只检索对应网站、栏目的新闻内容)
  • 三种检索方式(全文检索、按标题检索、按内容检索)
  • 响应式布局
  • 检索结果首图展示(检索结果页显示该新闻中的首张图片)
  • 关键词高亮(关键字标红显示)