# 简单小型搜索引擎

**Repository Path**: UnbalancedCat/Scratch_Search_Engine

## Basic Information

- **Project Name**: 简单小型搜索引擎
- **Description**: 算法课设，根据爬虫文件建立简单小型搜索引擎，基本功能已完成，暂停维护
- **Primary Language**: C++
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2022-05-31
- **Last Updated**: 2024-04-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: Cpp, Algorithm

## README

# 简单小型搜索引擎

### 介绍
#### 算法设计与分析课设

以 C++ 语言为主实现的简单小型搜索引擎，实现了数据的搜集、分析、索引、查询的功能。其中涉及的诸如排序等算法相关内容，均为自行实现，项目中不涉及 STL 算法（如 sort）或其他算法主体功能相关的库函数。

状态：基本功能已完成，暂停维护。

English README Unfinished

### 在本地运行本项目

#### 运行环境：
本次项目使用 Windows 10, Windows 11 平台，Visual Studio 2022 IDE 和 Windows系统命令行进行编写与测试。使用 ISO C++14 标准，Python 版本为 3.10。本项目未在其他平台或语言标准、版本下测试，若使用其他平台或语言标准、版本，无法保证程序正常运行。
#### 使用项目附带的 `news.csv` 文件：

打开 `简单小型搜索引擎.sln` ，通过 Visual Studio 2022 ,选择 Release 模式进行运行即可。

#### 使用项目附带爬虫爬取`news.csv` 文件：

进入 `人民日报英文爬虫` 文件夹中，打开 `start_spider.sh` 即可开始爬虫，生成文件名为 `news.csv` 。修改 `new.csv` 的字符集改为 ANSI，手动剔除文件内非 ASCII 字符。复制替换 `简单小型搜索引擎` 文件夹下的 `news.csv` 文件。 

**请注意**：由于使用 Python scrapy 爬取的 news.csv 文件使用 Unicode 字符集，其中包含诸多本项目无法处理的非 ANSI 字符。因此当前版本的项目中使用的 news.csv 为经过手动格式转换使用替换功能剔除 Unicode 字符。若使用含有非 ANSI 字符集字符的文件，程序可能会出现不可预知的问题。