本發(fā)明屬于搜索引擎技術(shù)領(lǐng)域，涉及一種圖文搜索引擎，具體是一種基于互聯(lián)網(wǎng)的圖文搜索引擎。

背景技術(shù)：

搜索引擎是互聯(lián)網(wǎng)信息檢索工具，其可以抓取相關(guān)信息并存放于索引文件中，并依據(jù)用戶査詢內(nèi)容完成搜索，最終提供相應(yīng)的檢索內(nèi)容。搜索引擎本身也是提供專業(yè)服務(wù)的網(wǎng)站系統(tǒng)，其依據(jù)相關(guān)算法收集特定范圍或者互聯(lián)網(wǎng)信息，然后將上述信息進(jìn)行處理，提供檢索服務(wù)。對(duì)于用戶而言，借助搜索引擎其可以輸入相關(guān)信息在互聯(lián)網(wǎng)中尋找到自己想要的相關(guān)信息。

搜索技術(shù)的快速發(fā)展，政府企業(yè)單位對(duì)于搜索需求與要求也在逐漸提高。隨著這些企事業(yè)單位的快速發(fā)展，其所產(chǎn)生的信息也在呈現(xiàn)快速增長(zhǎng)狀態(tài)。面對(duì)穩(wěn)定的經(jīng)濟(jì)大環(huán)境以及改革開放的深入，其競(jìng)爭(zhēng)也逐漸激烈，對(duì)于任何企事業(yè)單位而言，如何快速尋找企業(yè)內(nèi)部現(xiàn)有信息，如何更高效率的搜尋信息越發(fā)重要。

目前市而上的搜索引擎十分多，如百度搜索、360搜索等，但對(duì)于單體企事業(yè)單位而言，現(xiàn)有的搜索引擎存在內(nèi)部網(wǎng)頁(yè)抓取不夠深入，抓取信息存在冗余等問題；同時(shí)對(duì)于企事業(yè)單位而言，現(xiàn)有搜索引擎其本身存在泄密的風(fēng)險(xiǎn)，但是利用自身技術(shù)開發(fā)高效率的搜索引擎難度較大，其所占用的成本、人力較多，因此搭建效率較高、成本較低的企業(yè)級(jí)搜索引擎對(duì)于企事業(yè)單位而言十分重要。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種操作簡(jiǎn)捷，搭建效率高、成本低的圖文搜索引擎。

本發(fā)明的目的可以通過以下技術(shù)方案實(shí)現(xiàn)：

一種基于互聯(lián)網(wǎng)的圖文搜索引擎，包括服務(wù)器端以及通過互聯(lián)網(wǎng)連接服務(wù)器端的用戶客戶端；

所述服務(wù)器端包括網(wǎng)頁(yè)抓取模塊、頁(yè)面庫(kù)、信息抓取模塊、圖像識(shí)別模塊、數(shù)據(jù)庫(kù)、索引服務(wù)模塊、索引文件庫(kù)以及搜索服務(wù)模塊；

所述網(wǎng)頁(yè)抓取模塊，接入互聯(lián)網(wǎng)，完成對(duì)預(yù)設(shè)的互聯(lián)網(wǎng)網(wǎng)站所有頁(yè)面的抓取，并將抓取的頁(yè)面保存至頁(yè)面庫(kù)；

所述頁(yè)面庫(kù)，用于存儲(chǔ)網(wǎng)頁(yè)抓取模塊抓取的網(wǎng)站頁(yè)面；

所述信息抓取模塊，用于對(duì)存儲(chǔ)在頁(yè)面庫(kù)內(nèi)的網(wǎng)站頁(yè)面進(jìn)行逐一讀取，獲取文字內(nèi)容，分析其中的主體文字信息，存儲(chǔ)至數(shù)據(jù)庫(kù)中；

所述圖像識(shí)別模塊，用于對(duì)存儲(chǔ)在頁(yè)面庫(kù)內(nèi)的網(wǎng)站頁(yè)面進(jìn)行逐一讀取，獲取圖像數(shù)據(jù)，并識(shí)別其中包含的圖像信息，存儲(chǔ)至數(shù)據(jù)庫(kù)中；

所述數(shù)據(jù)庫(kù)，用于存儲(chǔ)信息抓取模塊和圖像識(shí)別模塊獲取的文字信息和圖像信息；

所述數(shù)據(jù)導(dǎo)入模塊，用于將數(shù)據(jù)庫(kù)中的文字信息和圖像信息導(dǎo)入到索引服務(wù)模塊，建立索引文件；

所述索引服務(wù)模塊，根據(jù)數(shù)據(jù)庫(kù)中的文字信息和圖像信息，調(diào)用solr構(gòu)建索引文件，并且可定時(shí)完成索引構(gòu)建，存儲(chǔ)到索引文件庫(kù)；

所述索引文件庫(kù)，用于存儲(chǔ)索引服務(wù)模塊建立的索引文件；

所述搜索服務(wù)模塊，對(duì)用戶客戶端輸入的檢索內(nèi)容進(jìn)行解析，并從索引文件庫(kù)獲取檢索結(jié)果信息，加以解析，轉(zhuǎn)發(fā)至用戶客戶端。

進(jìn)一步地，所述用戶客戶端包括檢索模塊和展示模塊；

所述檢索模塊，用于用戶輸入檢索內(nèi)容，上傳到服務(wù)器端，獲取對(duì)應(yīng)的檢索結(jié)果；

所述展示模塊，用于從服務(wù)器端獲取用戶需要的檢索結(jié)果信息，實(shí)時(shí)展示給用戶，并完成分頁(yè)處理操作。

本發(fā)明的有益效果：本發(fā)明提供的基于互聯(lián)網(wǎng)的圖文搜索引擎，設(shè)置網(wǎng)頁(yè)抓取模塊頁(yè)面抓取，存儲(chǔ)至頁(yè)面庫(kù)，分別設(shè)置信息抓取模塊和圖像識(shí)別模塊對(duì)抓取頁(yè)面的圖文內(nèi)容進(jìn)行解析、提取，存儲(chǔ)到數(shù)據(jù)庫(kù)，設(shè)置索引服務(wù)模塊，調(diào)用solr構(gòu)建索引文件，存儲(chǔ)至索引文件庫(kù)，設(shè)置搜索服務(wù)模塊對(duì)用戶客戶端輸入的檢索內(nèi)容進(jìn)行解析，并從索引文件庫(kù)獲取檢索結(jié)果信息，加以解析，展示給用戶；本發(fā)明基于solr技術(shù)，建立高效、獨(dú)立的企業(yè)級(jí)搜索引擎，根據(jù)互聯(lián)網(wǎng)網(wǎng)站的特點(diǎn)，對(duì)網(wǎng)站頁(yè)面抓??；使用信息抓取模塊和圖像識(shí)別模塊完成圖文信息提取，調(diào)用solr構(gòu)建索引文件，采用solr工具實(shí)現(xiàn)整個(gè)信息檢索，整個(gè)搜索引擎操作簡(jiǎn)捷，搭建效率高、成本低。

附圖說明

下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述。

圖1是本發(fā)明系統(tǒng)示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

如圖1所示，本發(fā)明提供了一種基于互聯(lián)網(wǎng)的圖文搜索引擎，包括服務(wù)器端以及通過互聯(lián)網(wǎng)連接服務(wù)器端的用戶客戶端。

服務(wù)器端包括網(wǎng)頁(yè)抓取模塊、頁(yè)面庫(kù)、信息抓取模塊、圖像識(shí)別模塊、數(shù)據(jù)庫(kù)、索引服務(wù)模塊、索引文件庫(kù)以及搜索服務(wù)模塊。

網(wǎng)頁(yè)抓取模塊，接入互聯(lián)網(wǎng)，完成對(duì)預(yù)設(shè)的互聯(lián)網(wǎng)網(wǎng)站所有頁(yè)面的抓取，并將抓取的頁(yè)面保存至頁(yè)面庫(kù)。

頁(yè)面庫(kù)，用于存儲(chǔ)網(wǎng)頁(yè)抓取模塊抓取的網(wǎng)站頁(yè)面。

信息抓取模塊，用于對(duì)存儲(chǔ)在頁(yè)面庫(kù)內(nèi)的網(wǎng)站頁(yè)面進(jìn)行逐一讀取，獲取文字內(nèi)容，并對(duì)獲取的文字內(nèi)容進(jìn)行分析，完成噪音的過濾，獲取其中的主體文字信息并存儲(chǔ)至數(shù)據(jù)庫(kù)中。

圖像識(shí)別模塊，用于對(duì)存儲(chǔ)在頁(yè)面庫(kù)內(nèi)的網(wǎng)站頁(yè)面進(jìn)行逐一讀取，獲取圖像數(shù)據(jù)，并對(duì)獲取的圖像數(shù)據(jù)進(jìn)行識(shí)別，識(shí)別圖像中包含的圖像信息并存儲(chǔ)至數(shù)據(jù)庫(kù)中。

數(shù)據(jù)庫(kù)，用于存儲(chǔ)信息抓取模塊和圖像識(shí)別模塊獲取的文字信息和圖像信息。

數(shù)據(jù)導(dǎo)入模塊，用于將數(shù)據(jù)庫(kù)中的文字信息和圖像信息導(dǎo)入到索引服務(wù)模塊，建立索引文件。

索引服務(wù)模塊，根據(jù)數(shù)據(jù)庫(kù)中的文字信息和圖像信息，調(diào)用solr構(gòu)建索引文件，并且可定時(shí)完成索引構(gòu)建，存儲(chǔ)到索引文件庫(kù)。

索引文件庫(kù)，用于存儲(chǔ)索引服務(wù)模塊建立的索引文件。

搜索服務(wù)模塊，對(duì)用戶客戶端輸入的檢索內(nèi)容進(jìn)行解析，并從索引文件庫(kù)獲取檢索結(jié)果信息，加以解析，轉(zhuǎn)發(fā)至用戶客戶端。

用戶客戶端包括檢索模塊和展示模塊。

檢索模塊，用于用戶輸入檢索內(nèi)容，上傳到服務(wù)器端，獲取對(duì)應(yīng)的檢索結(jié)果。

展示模塊，用于從服務(wù)器端獲取用戶需要的檢索結(jié)果信息，實(shí)時(shí)展示給用戶，并完成分頁(yè)處理操作。

本發(fā)明工作時(shí)：首先，網(wǎng)頁(yè)抓取模塊對(duì)預(yù)設(shè)的互聯(lián)網(wǎng)網(wǎng)站所有頁(yè)面進(jìn)行抓取，并對(duì)所抓取的成果進(jìn)行下載，存儲(chǔ)至頁(yè)面庫(kù)；然后，信息抓取模塊和圖像識(shí)別模塊分別對(duì)抓取頁(yè)面的圖文內(nèi)容進(jìn)行解析、提取(包括網(wǎng)頁(yè)標(biāo)題、時(shí)間、圖像主題等)，同時(shí)將所提取的內(nèi)容存儲(chǔ)到數(shù)據(jù)庫(kù)；隨后，利用數(shù)據(jù)導(dǎo)入模塊將上述存儲(chǔ)的數(shù)據(jù)導(dǎo)入至索引服務(wù)模塊，調(diào)用solr構(gòu)建索引文件，存儲(chǔ)至索引文件庫(kù)；最后，依據(jù)索引編程成果對(duì)用戶輸入的檢索內(nèi)容進(jìn)行數(shù)據(jù)檢索，并將檢索結(jié)果信息呈現(xiàn)給用戶。

本發(fā)明提供的基于互聯(lián)網(wǎng)的圖文搜索引擎，設(shè)置網(wǎng)頁(yè)抓取模塊頁(yè)面抓取，存儲(chǔ)至頁(yè)面庫(kù)，分別設(shè)置信息抓取模塊和圖像識(shí)別模塊對(duì)抓取頁(yè)面的圖文內(nèi)容進(jìn)行解析、提取，存儲(chǔ)到數(shù)據(jù)庫(kù)，設(shè)置索引服務(wù)模塊，調(diào)用solr構(gòu)建索引文件，存儲(chǔ)至索引文件庫(kù)，設(shè)置搜索服務(wù)模塊對(duì)用戶客戶端輸入的檢索內(nèi)容進(jìn)行解析，并從索引文件庫(kù)獲取檢索結(jié)果信息，加以解析，展示給用戶；本發(fā)明基于solr技術(shù)，建立高效、獨(dú)立的企業(yè)級(jí)搜索引擎，根據(jù)互聯(lián)網(wǎng)網(wǎng)站的特點(diǎn)，對(duì)網(wǎng)站頁(yè)面抓??；使用信息抓取模塊和圖像識(shí)別模塊完成圖文信息提取，調(diào)用solr構(gòu)建索引文件，采用solr工具實(shí)現(xiàn)整個(gè)信息檢索，整個(gè)搜索引擎操作簡(jiǎn)捷，搭建效率高、成本低。

在本說明書的描述中，參考術(shù)語(yǔ)“一個(gè)實(shí)施例”、“示例”、“具體示例”等的描述意指結(jié)合該實(shí)施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)包含于本發(fā)明的至少一個(gè)實(shí)施例或示例中。在本說明書中，對(duì)上述術(shù)語(yǔ)的示意性表述不一定指的是相同的實(shí)施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)可以在任何的一個(gè)或多個(gè)實(shí)施例或示例中以合適的方式結(jié)合。

以上內(nèi)容僅僅是對(duì)本發(fā)明結(jié)構(gòu)所作的舉例和說明，所屬本技術(shù)領(lǐng)域的技術(shù)人員對(duì)所描述的具體實(shí)施例做各種各樣的修改或補(bǔ)充或采用類似的方式替代，只要不偏離發(fā)明的結(jié)構(gòu)或者超越本權(quán)利要求書所定義的范圍，均應(yīng)屬于本發(fā)明的保護(hù)范圍。