搜索引擎极大地方便了互联网生活，也成为上网必不可少的刚需工具。依托搜索引擎发展起来的互联网广告，则成了硅谷和中国巨头的核心商业模式；而搜索本身，也在持续进步着， Facebook 和微信也一直有意向在自家社交产品架设搜索平台。
关于搜索引擎的价值就不必多说了，本节主要来看一下搜索引擎的核心构成。
要知道，一个搜索引擎由搜索器、索引器、检索器和用户接口四个部分组成。
搜索器，通俗来讲就是我们常提到的爬虫（scrawler），它能在互联网上大量爬取各类网站的内容，送给索引器。索引器拿到网页和内容后，会对内容进行处理，形成索引（index），存储于内部的数据库等待检索。
**后的用户接口很好理解，是指网页和 App 前端界面，例如百度和谷歌的搜索页面。用户通过用户接口，向搜索引擎发出询问（query），询问解析后送达检索器；检索器高效检索后，再将结果返回给用户。
为了方便，这里只提供五个文件的检索，各文件存放的内容分别如下：爬虫知识不是本节学习的重点，不做深入介绍，我们假设搜索样本存在于本地磁盘上。
# 1.txt
考高分网
# 2.txt
http://www.pxcodes.com
# 3.txt
「考高分网」是一个在线学习编程的网站，我们发布了多套文字教程，它们都通俗易懂，深入浅出。
# 4.txt
考高分网成立于 2012 年初，目前已经运营了将近 7 年，我们致力于分享精品教程，帮助对编程感兴趣的读者。
# 5.txt
坚持做好一件事情，做到极致，让自己感动，让用户心动，这就是足以传世的作品！
先来定义 SearchEngineBase 基类，代码如下所示：
class SearchEngineBase(object):
def __init__(self):
pass
def add_corpus(self, file_path):
with open(file_path, 'rb') as fin:
text = fin.read().decode('utf-8')
self.process_corpus(file_path, text)
def process_corpus(self, id, text):
raise Exception('process_corpus not implemented.')
def search(self, query):
raise Exception('search not implemented.')
def main(search_engine):
for file_path in ['1.txt', '2.txt', '3.txt', '4.txt', '5.txt']:
search_engine.add_corpus(file_path)
while True:
query = input()
results = search_engine.search(query)
print('found {} result(s):'.format(len(results)))
for result in results:
print(result) SearchEngineBase 类可以被继承，继承的类分别代表不同的算法引擎。每一个引擎都应该实现 process_corpus() 和 search() 两个函数，对应刚刚提到的索引器和检索器。main() 函数提供搜索器和用户接口，于是一个简单的包装界面就有了。具体来看这段代码，其中 add_corpus() 函数负责读取文件内容，将文件路径作为 ID，连同内容一起送到 process_corpus 中；process_corpus 需要对内容进行处理，然后文件路径为 ID ，将处理后的内容存下来。处理后的内容，就叫做索引（index）；search 则给定一个询问，处理询问，再通过索引检索，然后返回。
理解了上面这些概念后，接下来实现一个**基本的可以工作的搜索引擎，代码如下：
class SimpleEngine(SearchEngineBase):
def __init__(self):
super(SimpleEngine, self).__init__()
self.__id_to_texts = {}
def process_corpus(self, id, text):
self.__id_to_texts[id] = text
def search(self, query):
results = []
for id, text in self.__id_to_texts.items():
if query in text:
results.append(id)
return results
search_engine = SimpleEngine()
main(search_engine) 运行结果为：
C语言中文网
found 3 result(s):
1.txt
3.txt
4.txt
- SimpleEngine 实现了一个继承 SearchEngineBase 的子类，继承并实现了 process_corpus 和 search 接口，同时，也顺手继承了 add_corpus 函数（当然重写也是可行的），因此可以在 main() 函数中直接调取。
- 在新的构造函数中，self.__id_to_texts = {} 初始化了自己的私有变量，也就是这个用来存储文件名到文件内容的字典。
- process_corpus() 函数则非常直白地将文件内容插入到字典中。这里注意，ID 需要是**的，不然相同 ID 的新内容会覆盖掉旧的内容。
- search 直接枚举字典，从中找到要搜索的字符串。如果能够找到，则将 ID 放到结果列表中，**后返回。
是不是非常简单呢？整个过程始终贯穿着面向对象的思想。
