simple search engine

Простая поисковая система с Python 3

Этот мини -проект будет реализовать простую поисковую систему с использованием модели векторного пространства. Данные будут заполнены из вьетнамских ежедневных новостей, таких как Vnexpress, Vietnamnet, Thanhnien и Laodong.

Инструменты

• Установите Python 3.5+ и PIP, если не установлен.

• Используйте pip для установки следующих пакетов:

  • requests (для выполнения HTTP -запросов).
  • underthesea (вьетнамский инструментарий NLP).
  • beautifulsoup4 (для анализа HTML и XML).

  $ pip install requests underthesea beautifulsoup4

• (Необязательно) Установите pytest для запуска модульных тестов:

  $ pip install pytest
  $ cd /path/to/project
  $ pytest

• Установите git и клонировать этот проект в локальную машину:

  $ git clone https://github.com/vancanhuit/simple-search-engine.git
  $ cd simple-search-engine

  Примечание. Если вы запускаете этот проект в Windows, вы должны заказать в windows Branch. Это связано с кроссплатформенными проблемами модуля полки в Python (см. Этот вопрос):

  $ git checkout windows

Использование

• Запустите сценарий index.py для выполнения данных индексации. Индексированные данные будут созданы (если не существуют) или обновлены и хранятся в db/ Directory.

  $ python index.py

• Запустите search.py ​​Script и передайте для него строку запроса.

  $ python search.py " Your query string here "

  Например:

  $ python search.py " Trump Trieu Tien "
  https://vnexpress.net/tin-tuc/the-gioi/trump-noi-cuoc-gap-voi-kim-jong-un-van-co-the-dien-ra-vao-12-6-3754763.html - 0.32331036424704196
  https://vnexpress.net/tin-tuc/the-gioi/trump-huy-cuoc-gap-voi-lanh-dao-trieu-tien-3754245.html - 0.3158077661308892
  https://vnexpress.net/tin-tuc/the-gioi/trump-thuc-giuc-trung-quoc-that-chat-bien-gioi-voi-trieu-tien-3752746.html - 0.3017484484730665
  https://vnexpress.net/tin-tuc/the-gioi/abe-noi-se-gap-trump-truoc-cuoc-hop-thuong-dinh-my-trieu-3755808.html - 0.30059730510834515
  http://vietnamnet.vn/vn/the-gioi/binh-luan-quoc-te/nhung-nga-re-chop-nhoang-kho-luong-cua-thuong-dinh-trump-kim-453759.html - 0.2990576238183994
  https://vnexpress.net/tin-tuc/the-gioi/ngoai-truong-my-giai-thich-ly-do-cuoc-gap-trump-kim-bi-huy-3754252.html - 0.2807074203562179
  https://vnexpress.net/tin-tuc/the-gioi/han-quoc-hop-khan-sau-khi-trump-tuyen-bo-huy-gap-kim-jong-un-3754256.html - 0.24340889391647347
  https://vnexpress.net/tin-tuc/the-gioi/my-canh-bao-trieu-tien-co-the-chiu-chung-so-phan-nhu-libya-3753226.html - 0.24232103427164864
  ...

  Приведенные выше результаты запроса могут быть изменены, поскольку индексированные данные могут быть обновлены. Чтобы получить обновленную индекс, запустите команду git pull origin master .