搜索引擎Ｇｏｏｇｌｅ檢索語法研究

2005-04-29 12:58:07蘇云曹正民

中國(guó)信息技術(shù)教育 2005年3期

關(guān)鍵詞：頁(yè)面

蘇　云　曹正民

Google是斯坦福大學(xué)博士生Larry Page和Sergey Brin共同創(chuàng)立的。它支持132種語言，資料庫(kù)內(nèi)包含24億個(gè)網(wǎng)頁(yè)、7億個(gè)新聞檔案和3.3億個(gè)圖形文件，如果用人工檢索，每分鐘1頁(yè)，24小時(shí)不間斷工作，需要5707年才能完成一遍搜索，而用Google檢索不超過1秒種。Google現(xiàn)有15000多臺(tái)服務(wù)器，200多條T3級(jí)寬帶同時(shí)服務(wù)，這使得它在搜索網(wǎng)站界的地位進(jìn)一步得以鞏固。

Google的基本搜索語法

Boolean邏輯檢索語法

Boolean是指喬治·布爾提出的代數(shù)運(yùn)算法則，常見的三種運(yùn)算符是“與”、“或”和“非”，即AND、OR和NOT。在Google分別用“ ”（空格）、“-”和“|”表示，其中AND運(yùn)算符表示對(duì)所有的關(guān)鍵字同時(shí)進(jìn)行搜索，OR運(yùn)算符表示從幾個(gè)關(guān)鍵字中指定任意一個(gè),NOT運(yùn)算符表示在搜索結(jié)果中不包括某個(gè)關(guān)鍵字。如果有兩個(gè)或多個(gè)關(guān)鍵字，可以用括號(hào)連接，用運(yùn)算符檢索時(shí)，至少要求包含兩個(gè)以上的關(guān)鍵字，最好用括號(hào)構(gòu)成邏輯運(yùn)算式進(jìn)行檢索。

強(qiáng)制搜索檢索語法

在網(wǎng)頁(yè)中經(jīng)常包含有許多出現(xiàn)頻率極高，但無實(shí)際意義的高頻詞，例如英文單詞“a”、“the”和“i”等，中文的“的”和“啊”等，這些詞匯被Google保存在一個(gè)無用詞匯表中，但在檢索中它們是不可缺少的。例如，要搜索一些關(guān)于www起源的歷史資料，Google會(huì)把“www”和“的”都省略了，只搜索出關(guān)于“歷史”方面的資料，顯然不符合要求。因?yàn)镚oogle把這個(gè)短語分成了“www”、“的”和“歷史”3個(gè)詞匯，而“www”和“的”被認(rèn)為是無實(shí)際意義的詞而忽略。如果要對(duì)忽略的關(guān)鍵字進(jìn)行強(qiáng)制搜索，需要在該關(guān)鍵字前加上“+”號(hào)，或者將上述的短語用英文雙引號(hào)括起來，Google就會(huì)進(jìn)行強(qiáng)制搜索。特別注意用“短語”和“句子”檢索是一種提高檢準(zhǔn)率非常有效的方法，但必須用英文引號(hào)將其括起來，最好配合“+”號(hào)同時(shí)使用。

通配符和外文字符大小寫檢索問題

Google支持通配符號(hào)，例如用“*”代表一連串字符，用“?”代表單個(gè)字符等，但對(duì)通配符支持有限，而且包含“*”必須用英文引號(hào)括起來。例如檢索“以*治國(guó)”，搜索結(jié)果可以是“以法治國(guó)”、“以德治國(guó)”等。

Google對(duì)外文字符大小寫不敏感，搜索Three、three和THREE會(huì)得到相同的檢索結(jié)果。

Google的特殊檢索語法

通常用基本搜索語法可以解決絕大部分檢索問題，但要更準(zhǔn)確的檢索就需要了解特殊搜索語法，主要有限定標(biāo)題的intitle、allintitle，限定查找網(wǎng)址鏈接的inurl、allinurl和link，限定查找特定網(wǎng)站的site等語法，這些語法可以直接在Google的查找框內(nèi)輸入，相當(dāng)于命令行語法。

搜索的關(guān)鍵字包含在URL鏈接中

inurl語法返回的網(wǎng)頁(yè)鏈接中包含檢索的第一個(gè)關(guān)鍵字，后面的關(guān)鍵字則出現(xiàn)在鏈接中或者網(wǎng)頁(yè)文檔中，因?yàn)楹芏嗑W(wǎng)站把某一類具有相同屬性的資源名稱顯示在目錄名稱或者網(wǎng)頁(yè)名稱中，例如“MP3”、“GALLARY”和“Help”之類的目錄中，可以用inurl語法找到這些相關(guān)資源的鏈接，用第二個(gè)關(guān)鍵詞確定是否有某項(xiàng)具體資料。例如，查找MIDI曲《二泉映月》，檢索語法是inurl:midi "二泉映月"。注意在“inurl:”后面不能有空格，也不允許URL中含有“/”等符號(hào)。

allinurl語法返回的網(wǎng)頁(yè)鏈接中包含所有作用關(guān)鍵字，這個(gè)查詢的關(guān)鍵字只集中于網(wǎng)頁(yè)的鏈接字符串。例如查找可能具有PHF安全漏洞的公司網(wǎng)站，通常這些網(wǎng)站的CGI-BIN目錄中含有PHF腳本程序，表現(xiàn)在鏈接中就是“域名/cgi-bin/phf”，搜索語法為：allinurl:"cgi-bin" phf +com。

搜索的關(guān)鍵字包含在網(wǎng)頁(yè)標(biāo)題和網(wǎng)頁(yè)中

intitle和allintitle的用法類似于inurl和allinurl，其中intitle限制搜索的網(wǎng)頁(yè)標(biāo)題，allintitle搜索所有關(guān)鍵字構(gòu)成標(biāo)題的網(wǎng)頁(yè)。例如查找著名作家巴金的照片集，檢索語法為：intitle: 巴金 "照片集"。

intext只搜索網(wǎng)頁(yè)和/之間包含的關(guān)鍵詞的部分，它忽略了標(biāo)題、URL中含有的關(guān)鍵詞，例如intext:"yahoo.com"；allintext檢索包含在中的所有關(guān)鍵詞。

對(duì)搜索網(wǎng)站進(jìn)行限制

site語法可以限制搜索范圍的域名，將搜索結(jié)果局限于某個(gè)具體網(wǎng)站或者網(wǎng)站頻道內(nèi)，例如限定在新浪網(wǎng)站的教育頻道“edu.sina.com.cn”，或者是某個(gè)域名內(nèi)，例如“com.cn”、“org”等，如果是要排除某網(wǎng)站或者域名范圍內(nèi)的頁(yè)面，只需用“-網(wǎng)站/域名”。例如，搜索中文教育科研網(wǎng)站（edu.cn）上關(guān)于中學(xué)數(shù)學(xué)課件的頁(yè)面，檢索語法為：中學(xué)數(shù)學(xué) 課件 site:edu.cn。此外，網(wǎng)站域名不能有“http://”的前綴，也不能含有任何“/”的目錄后綴，網(wǎng)站頻道則只局限于“頻道名.域名”方式，而不能是“域名/頻道名”方式。

搜索所有鏈接到某個(gè)URL的網(wǎng)頁(yè)

如果想知道有多少網(wǎng)站對(duì)一個(gè)學(xué)校主頁(yè)或教師個(gè)人主頁(yè)作了鏈接，link語法就能迅速達(dá)到這個(gè)目的。例如，搜索所有含指向清華大學(xué)鏈接的網(wǎng)頁(yè)，檢索語法為：link:www.tsinghua.edu.cn，即link語法得到的是一個(gè)所有包含了某個(gè)指定網(wǎng)址的頁(yè)面列表，但是link語法不能與其他語法混合使用。link語法還有一個(gè)妙用，一般做友情鏈接的網(wǎng)站都有許多相似的方面，這樣就可以通過這些友情鏈接，檢索出一批具有相似內(nèi)容的網(wǎng)站。例如，一個(gè)中國(guó)詩(shī)詞愛好者發(fā)現(xiàn)某網(wǎng)站非常不錯(cuò)，就可以用link語法查一下與之做鏈接的網(wǎng)站，也許可以找到更多符合詩(shī)詞方面有趣的內(nèi)容。

Google高級(jí)搜索語法

在某一類文件中查找信息

Google不僅能搜索文字網(wǎng)頁(yè)，還能對(duì)某些二進(jìn)制文檔進(jìn)行檢索，filetype就是一個(gè)非常強(qiáng)大實(shí)用的搜索語法，它已經(jīng)能檢索微軟的Office文檔（如xls、ppt、doc和rtf）、WordPerfect文檔、Lotus1-2-3文檔、Adobe的PDF文檔和ShockWave的SWF文檔（Flash動(dòng)畫）等。filetype也可以搜索各種不同的頁(yè)面腳本語言，例如ASP、PHP和CGI等，filetype是搜索文件的后綴或者擴(kuò)展名。其中最實(shí)用的文檔搜索是PDF搜索，PDF是Adobe公司開發(fā)的電子文檔格式，是一種圖文并茂的綜合性文檔，現(xiàn)已經(jīng)成為互聯(lián)網(wǎng)電子出版的標(biāo)準(zhǔn)。目前Google檢索的PDF文檔大約有3000萬左右，大約占所有索引的二進(jìn)制文檔數(shù)量的80％。

顯示與某鏈接相關(guān)的一系列搜索

info語法提供一個(gè)和普通網(wǎng)址更多信息的頁(yè)面列表，包括網(wǎng)址緩存的鏈接、網(wǎng)址的鏈接、網(wǎng)址相關(guān)的鏈接和包含網(wǎng)址的頁(yè)面，即提供了cache、link、related和完全包含該鏈接的網(wǎng)頁(yè)的功能。例如，查找101遠(yuǎn)程教育網(wǎng)首頁(yè)相關(guān)的一些信息，檢索語法為：info:www.chinaedu.com，這里搜索的結(jié)果取決于Google是否對(duì)該URL進(jìn)行了索引，如果沒有，搜索結(jié)果會(huì)很少。

對(duì)網(wǎng)頁(yè)更新日期作出限定

daterange語法限制搜索特定時(shí)間段里的檢索內(nèi)容，這里特定時(shí)間是加入Google檢索的時(shí)間，而不是頁(yè)面創(chuàng)建的時(shí)間，它評(píng)價(jià)搜索引擎的好壞和更新頻率的指標(biāo)，它支持的日期格式為凱撒日格式（julian），Google提供通用日期數(shù)值切換成凱撒日格式的自動(dòng)轉(zhuǎn)換功能。檢索語法為："George Bush" daterange:2452389-2452389。

搜索的關(guān)鍵字包含在網(wǎng)頁(yè)的“錨”鏈點(diǎn)內(nèi)

“錨”（anchor）就是在同一個(gè)網(wǎng)頁(yè)中快速切換鏈接點(diǎn)，inanchor語法搜索鏈接中包含錨點(diǎn)標(biāo)記，錨點(diǎn)標(biāo)記是指鏈接的標(biāo)記, 例如

以上介紹的檢索語法最好組合使用，例如，用Google檢索Flash動(dòng)畫，檢索語法為：“filetype:swf inurl:swf”，就會(huì)得到幾萬個(gè)Flash動(dòng)畫。

Google圖片搜索

檢索圖像時(shí)，只需進(jìn)入Google圖像搜索界面，在關(guān)鍵字欄內(nèi)輸入描述圖像內(nèi)容的關(guān)鍵詞，就會(huì)搜到大量圖片。Google圖片的排列標(biāo)準(zhǔn)是按圖片文件名完全符合關(guān)鍵詞的結(jié)果排列靠前，然后按照普通頁(yè)面搜索時(shí)的標(biāo)準(zhǔn)排列。圖像搜索結(jié)果頁(yè)面由許多直觀縮略圖（THUMBNAIL）、對(duì)該縮略圖的簡(jiǎn)單描述（圖像文件名稱、大小）等組成。點(diǎn)擊縮略圖后，頁(yè)面分成兩幀，上幀是圖像縮略圖和相應(yīng)頁(yè)面的鏈接，下幀是該圖像所處的頁(yè)面，屏幕右上角有“Remove Frame”按鈕，可將框架頁(yè)面切換到單幀結(jié)果頁(yè)面。

Google圖像搜索支持布爾搜索語法和一些高級(jí)檢索語法，例如site、filetype等。其中filetype語法的擴(kuò)展名只能是幾種限定的圖片類型，如JPG，GIF等。例如，要查找新浪網(wǎng)上數(shù)學(xué)家華羅庚的圖片，檢索語法為：華羅庚 site:sina.com.cn。這種方法對(duì)檢索分散的、隨機(jī)分布的各種新聞報(bào)道中的圖片非常有效，尤其適合報(bào)紙雜志的編輯，是一個(gè)雪中送炭式的工具。

一般提供圖片的網(wǎng)站通常把圖片放在某個(gè)專門目錄下，如gallary、album、photo和image等，即要搜索的圖片處于某個(gè)專門的圖片集合中，就可以使用inurl語法找到這類目錄。例如要找毛澤東的照片集，檢索語法為：毛澤東OR毛主席inurl:photo；也可以用intitle語法找到這類網(wǎng)頁(yè)，因?yàn)樘峁﹫D片集合的網(wǎng)頁(yè)在標(biāo)題欄內(nèi)通常會(huì)有注明圖片集合的說明文字，檢索語法為：intitle:" 毛澤東" picture；有時(shí)追星族會(huì)申請(qǐng)免費(fèi)個(gè)人主頁(yè)存放他們偶像的靚照，用site語法指定某免費(fèi)主頁(yè)提供站點(diǎn)，也是迅速找到圖片的好辦法，檢索語法為："毛澤東" site: www.cnsphoto.com。

Google的輔助功能

單詞英文用法檢索

寫英文文章時(shí)，如果對(duì)某個(gè)英文單詞的用法不確定，Google的單詞英文檢索能使這個(gè)問題迎刃而解。當(dāng)查找某個(gè)單詞的解釋和用法時(shí)，只需進(jìn)入英文的Google界面，輸入要查的單詞,Google在線詞典就會(huì)給出正確答案。如果英文單詞拼寫錯(cuò)誤，Google還有糾錯(cuò)功能。

網(wǎng)頁(yè)翻譯

機(jī)器翻譯是一個(gè)前沿的人工智能課題，目前要求計(jì)算機(jī)在線翻譯結(jié)果與人工翻譯結(jié)果相同是不現(xiàn)實(shí)的，但Google翻譯的網(wǎng)頁(yè)使用戶基本上能夠看懂。如果搜索結(jié)果頁(yè)面語言是拉丁語、法語、西班牙語、德語和葡萄牙語，只需點(diǎn)擊Google結(jié)果頁(yè)面上的“Translate this page”按鈕即可，雖然目前支持的語言有限，但不得不承認(rèn)這是個(gè)杰出功能。