我使用Flask和Whoosh（一个纯Python搜索引擎库）构建了轻量级搜索服务。 您可以在finderseth.com上实时查看引擎。 资深的Python编码人员可以轻松地重新使用自己的代码。
我在设计时考虑了以下原则：可读URL，摘录的完整性和清晰度，探索性，完整性和易用性。
像结果一样，摘录可以按相关性或时间顺序排序。 当查看最佳匹配或（语义上）单个结果时，它们是完整的段落，否则它们由带有“ […]”省略链接的句子片段组成。 这些片段保留格式（例如，斜体）。
如果摘录暴露了足够长文档的一半以上，那么摘录数将受到限制以进行复制保护。
- 每个营销机构所有者应阅读的7本书
- Shelfie：Jenn Stroud Rossmann共享她的书架
- 英勇幻想和反租金叛乱
- 蒂姆·奥雷利（Tim O'Reilly）的《文明手册》的书籍清单
- 伊隆·马斯克（Elon Musk）理解的其他经典文学作品
当JavaScript复制到剪贴板时，会仔细格式化并引用摘录。 那些按相关性排序的符号被强调以区别于源文本。
剪贴板引用：
“有意识的头脑不是浪子或自我的贫穷亲戚。” — NoPR第4章：第621节，1972年10月16日
完整文档的位置在展开箭头的后面可见：
使用Whoosh的“您的意思是……吗？”建议，并在其中添加了UK / US变体。 Whoosh支持许多高级搜索，例如日期范围，模糊术语和接近度。
默认搜索使用词干和停止词删除：
you are welcome → welcom 匹配“欢迎”，“欢迎”等
您可以在“ common”中加上停用词：
common:(you are welcome) → you ar welcom 或者跳过“精确”的词干：
exact:(you are welcome) → you are welcome
您当然可以在短语中使用引号：
common:"you are welcome" → "you ar welcom"
URL被设计为尽可能可读，例如
/q/heading:(essay+4)+'conscious+mind'/ ，用流行的浏览器允许的字符替换html实体。
链接到/q/beer+OR+wine/20/等页面的链接始终可以正常运行，因为数字表示要跳过的匹配数，而不是可能会更改长度的“页面”。
使用OpenSearch可以从URL栏进行搜索，而顶部摘录则使用Open Graph在Facebook预览中呈现。
关键术语显示在每个文档标题的末尾。 这些功能既可作为摘要，又可作为链接，以探索文档中最独特的摘录。 它们是从Whoosh的tf-idf实现中生成的，然后通过词干清除了重复项。
在文档正文中不查找文本的搜索查询将显示为列表：
最后有一个“更喜欢”部分：
我使用一组简单的正则表达式将Markdown格式的文本文件处理为Whoosh的“文档”（即单个结果），这些正则表达式指定了要处理的部分并标识了标题。 然后根据需要将标题分类。
这是一个示例books.py规范：
（ books\sb.txt将包含Markdown）
在同一层中，新的标题将结束上一个标题。 我们用“ end”指定的其他任何内容。 例如，在到达附录后，我们在这里结束“部分”。 类似地，例如“第一部分”的开头结束了引言，就像“第二部分”的开头结束了“第一部分”的最后一章一样。 这些非常容易通过控制台输出进行调试。
“ tier2”是最具体的标题，并具有其自己的可搜索字段。 我们希望它对于单个文档的简洁URL来说大多是唯一的，例如session:869 ，尽管不是必需的。 您可以重命名它以适合您的应用程序，例如chapter:dogs 。
“ tier0”，“ tier1”以及“ headings_re”中用于标识它们的行是可选的。 它们参与了上面看到的简短标题和扩展标题的视觉样式，并且将搜索方式合并到heading ，例如
heading:"part one"或heading:"chapter 22" 。
带有venv和gunicorn的systemd单元/lib/systemd/system/search-engine.service：
自动启动： systemctl enable search-engine
运行： service search-engine start
如果您的某些文档具有比其他文档更深的层次结构，例如，某些文档是一整章，而另一些文档则是一章中的某个部分（在我的情况下为会话），那么您可能需要重命名“会话”→“标题”，并且’heading’→’extra’，或类似的对用户有意义的含义。
html输出有些模糊，并且大部分在代码内（尽管组织良好）而不是模板内。 将来可能会将其移至模板。
预期源文件位于Markdown中，但是您可以简单地为html省略commonmark() 。 我想它可以在纯文本上正常工作，但我还没有尝试过。
快乐的编码。
