Create Your Own Search Engine with Python 用python创造你自己的搜索引擎（三）
search.py
search.py是个PYTHON脚本，它会对搜索的词项进行语法分析（确定是语法分析？），执行搜索过程，最后生成包含搜索结果的HTML页面。search.py用CGI脚本进行开发和测试。CGI (Common Gateway Interface)是一种多种解释型脚本语言进行交互的简单方法。当要调用特定的URL时，我们就要使用命令行来调用该脚本，并把这URL的参数传递给该脚本。这种方式在UNIX系统下工作得特别好（WINDOWS又躺枪了），这个文件的第一行可以用来指定它自己的运行方式：
#!/usr/bin/env python
这一行指定这个文件应该用python程序来运行，只要服务器环境中支持python。同时，开头的" #'意指这是注释行，不像程序的其它部分会执行。
这个程序有着良好的通用性和可扩展性，但在部署它时，你还是要做一点改动。这个程序定义了一个变量，代表了搜索HTML文件时的根目录。
BASE_DIR = "test/"
在命令行下运行这个程序时，这个变量没有问题。而在web服务器上运行时，你就要把它指向你的HTML文件所在的位置。search.py会打开并搜索每个文件。我们现在先来看一个简化版的dosearch方法。完整版的方法在示例程序的search.py上。
def dosearch(terms, searchtype, case, adddir, files = []):
found = []
if files != None:
titlesrch = re.compile('>title<.*>/title<')1
for file in files:
title = ""
if not (file.lower().endswith("html") or file.lower().endswith("htm")):
continue2
filecontents = open(BASE_DIR + adddir + file, 'r').read()
titletmp = titlesrch.search(filecontents)3
if titletmp != None:
title = filecontents.strip()[titletmp.start() + 7:titletmp.end() - 8]
filecontents = remove_tags(filecontents)4
filecontents = filecontents.lstrip()
filecontents = filecontents.rstrip()
if dofind(filecontents, case, searchtype, terms) > 0:5
found.append(title)
found.append(file)
return found6
这个正则表达式编译完成后，我们开始搜索文件，看看我们搜索的词项是否存在于这些文件内。想完整实现这个函数，需要递归地在子目录中搜索。图像文件或内部文件（internal file）只是打酱油的，所以我们只搜索后缀是html或htm的文件 2。我们打开某文件，里面有一堆的HTML标签，我们在这些标签中寻找这个页面的标题3。找到标题之后，还要移除这些HTML标签4。
要解决这个问题有个最简单的方法，就是在我们开始查找词项之前，把所有的HTML标签全部去掉。而这样移除标签最好的方式就是对HTML进行语法分析来实现，但是这样好像太慢太复杂了。所以，我们仅仅是寻找< 和 >符号，因为它们代表了标签的开始和结束。另外，在我们移除标签时，还可以把多余的空格也扔了5。等我们把搜索结果汇总之后，就返回一个包含了搜索结果的元组。
如果我们得到搜索结果，就可以生成结果页面了，也就是说需要用这些具有相连结构的搜索结果来创建一个HTML页面（我翻译得啰嗦，原文也有点啰嗦）。又是简化版的函数——doresultspage和 doresults。完整版的代码仍是在search.py文件里。
def doresultspage(terms = [], results = []):
for line in open("SearchResults.html", 'r'):1
if line.find("${SEARCH_RESULTS_GO_HERE}") != -1:
doresults(terms, results)2
elif line.find("${SEARCH_TERMS_GO_HERE}") != -1:
termindex = line.find("${SEARCH_TERMS_GO_HERE}")
searchterms = "" + terms + "\n"
print line.replace("${SEARCH_TERMS_GO_HERE}", searchterms)3
else:
print line4
搜索结果页面的构建从doresultspage函数开始。这个函数呢，它先读取SearchResults.html文件1，根据这个HTML文件来定制搜索结果页面，使之匹配你的应用程序的外观和感觉。它所有的内容都可以修改，完全根据搜索词项和结果来设计版式。页面中存在两个特殊的词法单元（token）。${SEARCH_RESULTS_GO_HERE} 会被doresults函数中的搜索结果替换掉2。而搜索的词项则放入原来${SEARCH_TERMS_GO_HERE} 的位置3。别的部分则不发生变化，照样输出4。
doresults函数负责的是处理实际搜索结果的输出。搜索结果是包含一个div标签的有序链表。这个div标签由id——search_results指定，可以用CSS来定制。
def doresults(terms = [], results = []):
print "<div id=\"search_results\">\n<ol>"
if len(results) == 0:
print "<h3>Your search did not return any results.</h3>"1
for i, file in enumeratez(results):2
if i % 2 == 1:
continue
print "<li><a href=\"test/" + results[i + 1] + \
"?search=true&term=" + terms.replace("\"", "%22") + "\">"3
print results[i] + "</a>\n"
print "</ol>\n</div>\n"4
这个方法（一会函数一会方法，汗）一开始要确认是否有搜索结果生成1。如果没有返回任何结果，我们则发消息通知用户。如果返回了结果，我们会对结果进行迭代（我本来想译成遍历的），生成HTML代码来显示结果。python2.3里面，新增了一个内建函数——enumerate，（汗，现在用的都3.3了）。可是我们希望代码可以用较老版本的PYTHON运行（新的应该也可以），所以实际上采用的是定制的enumerate函数——enumeratez2。如果你使用的是较新版本的python，可以用标准函数来代替它。