图2-1 搜索引擎示意图................................................................................17 图2-2 搜索引擎三段式工作流程................................................................18 图2-3 搜索引擎的体系结构.........................................................

很好的搜索引擎的入门书籍。 　北大天网实验室出的一本书，主要结合了天网的实践，并有一套称为TSE的C++代码。 　　 　　全书分为三部分。除了第三部分涉及更多的高级问题，理论性较强，书中描述也不太详细之外，前两部分对于非专业人士了解IR系统的“原理，技术与系统”很有帮助。该书对网页抓取，文本分析，索引建立，搜索效率等方面都做出了分析，提供了一个功能详尽的web文本信息检索框架，

tse的索引实现， 其中包含了中文分词，英文分词方法，中文分词采用字典后项最大匹配，建立倒排索引，以及网页快照功能

本项目为北大搜索引擎TSE的完整源代码（包括索引和爬虫两个独立项目的源代码），TSE 为《搜索引擎——原理、技术与系统》一书介绍的实现原型，有兴趣的朋友可以参考该书学 习TSE。 转载的