搜索引擎去广告？SCF来做定制化搜索
原创搜索引擎去广告？SCF来做定制化搜索
原创
在用某度搜索的时候，可能经常遇到这样一个问题：我是谁，我要做什么，以及我做了什么。当然，这只是一句玩笑。现在大部分搜索引擎都有付费推广的内容，我们经常在使用搜索引擎的时候，会被这些付费搜索的东西所干扰，例如，我搜索在线编程这个词条：
可以看到这个词条，在我的一夜屏幕上面，有6个结果，其中5个结果是推广，这其中大部分命中的关键词是“编程”，而不是在线编程，这就会扰乱我们视听，也会给我们带来很不友好的体验，那么我们是否可以通过SCF来做一个简单的工具，来屏蔽掉这些广告呢？
我的回答是当然可以，本教程将会通过SCF+COS来实现一个简单的网页搜索小工具，至于为啥叫搜索小工具，而不是叫去广告搜索小工具，结尾的地方，再详细说。
寻找广告特点
在对列表页代码研究过程中，我们发现，非广告页代码有：
而推广内容，则没有这个内容，所以，我们可以通过正则化，或者XPATH等操作来对目标内容进行识别。
本地实验
本地爬虫编写
根据对页面分析，我们可以得到这样一组参数：
ie=utf-8
pn=10
wd=在线编程这组参数中，ie是控制编码格式，pn是翻页（偏移量），wd是搜索词汇，对代码编写如下：
import urllib.request
import re
page = 1
args_pn = (page-1) * 10
url = "http://www.baidu.com/s?ie=utf-8&pn=" + str(args_pn) + "&wd=" + urllib.request.quote("在线编程")
req_attr = urllib.request.urlopen(url)
result_list = re.findall("data-tools='(.*?)'",req_attr.read().decode("utf-8"))
for eve in result_list:
print(eve)运行结果：
{"title":"代码在线运行 - 在线工具","url":"http://www.baidu.com/link?url=2rtPQM1Yb08uBDUY61IkU3Apr7xkDiP2_zsnZH00HyMsViwBfFR9LJAiXcjqD_EK"}
{"title":"南邮编程在线","url":"http://www.baidu.com/link?url=f_VCURb1ZNe7nVgW3G7IiBBvKDGaeht8SB3hK93jEEddFAtpJC2SGzBoFTs1BLWd"}
{"title":"在线编程 - 编程中国","url":"http://www.baidu.com/link?url=hnYcaMNhRhf5FZfV1vlE5SGS6GjUls4fluKKW52mMIAHwXJd1wey2mOdmtb13ldf"}
{"title":"一个简单的在线集成编程工具 - Anycodes - 随时随地有创意,随时...","url":"http://www.baidu.com/link?url=zMnTtD6cBS_3XT21FMSviS_mzF0T2daHAui6_XC7LAscng2KPt064eej0JqPgfBX"}
{"title":"非常好用的在线编程网站 - yimisiyang - CSDN博客","url":"http://www.baidu.com/link?url=57aywD0Q6WTnl7XKbIHuE7R_FT8mrDBMv8kdi_tomry-X1SrzMnjNVuobcIXjUVnR_ZQrRZQrTHv5uSgfZ-GdR5ud1WK9aOaAKTP-KhFr4e"}
{"title":"十个在线编程网站 _360doc个人图书馆","url":"http://www.baidu.com/link?url=ouVP_VD3EkdRLL-X2bjZNJTdFbVIJgt0jrZL3II0hxj5yT3aTAo56tUA0hUfrCbiZKWcmBNTLKcTiwA7q1bxQJwxdZnKEUzChwQ_nefSJK3"}
{"title":"[转]在线编程刷题网站 - gravely的专栏 - CSDN博客","url":"http://www.baidu.com/link?url=gPgyV9kX2IdYqfifVCn-22OPGWIZqBb3oGfRbl0b_LVRr0MmdgiXoaACk-vRZu6f45q3qsG4X3Zs2wexiex-0K"}
{"title":"c在线编译器,c语言在线解释器,在线编程网站","url":"http://www.baidu.com/link?url=ETluxwW57CgsUIBR7-BKj0bLA65WJr2eipQ5rJOF-1AB3ymP4AGViYXC7AUCrUcW"}
{"title":"8个国外最流行的在线编程练习网站","url":"http://www.baidu.com/link?url=3o0SRtHkYsI2gUjmjsks7dYk00VoljXmVhnkv-CskKh9aiaTAfyDPNa25f4Mj-7AcLrX9eiaObQVChuX5eG0BfWOcE1U-PGsVFWpCFLKSzq"}
{"title":"在线编程_百度百科","url":"http://www.baidu.com/link?url=0uxpDuoQDb_Amx9_6n9PqOpJr10tcRrbU0x-hshhnQNx2mVHyCiDJFsqthe-cEUQNv0AO0KFDYmCZP970sW8mVG02xwha-cNalwKUAogkmpwOQVy5xf9lqKdFROOMqBQ"}
可以看到，这个结果是第一页的搜索结果，他包括了：
首页结果，一对一匹配，并且没有上下的广告内容。证明我们本搜索结果是靠谱的。
搜索页面制作
因为我不是专业前端，我就做一个非常简单的基础页面：
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>新搜索 - Powered by Dfounderliu！</title>
</head>
<body>
<form>
请输入要搜索的内容：<input type="text"><br>
<input type="submit">
</form>
<div id="result">
<ol>
<li>结果1</li>
<li>结果2</li>
</ol>
</div>
</body>
</html>效果大概这个样子：
发布服务
发布SCF服务
# -*- coding: utf8 -*-
import json
import urllib.request
import re
def main_handler(event, context):
print(event["pathParameters"]["kw"])
print(event["pathParameters"]["pn"])
page = int(event["pathParameters"]["pn"])
args_pn = (page-1) * 10
url = "http://www.baidu.com/s?ie=utf-8&pn=" + str(args_pn) + "&wd=" + event["pathParameters"]["kw"]
req_attr = urllib.request.urlopen(url)
result_list = re.findall("data-tools='(.*?)'",req_attr.read().decode("utf-8"))
result = ""
for eve in result_list:
temp_json = json.loads(eve)
temp_result = '<li><a href="%s">%s</a></li>'%(temp_json["url"],temp_json["title"])
result = result + temp_result
return resultAPI网关配置
API测试
静态页面
接下来，对HTML页面进行修改，并且上传到COS。
页面修改为：
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>新搜索 - Powered by Dfounderliu！</title>
<script src="https://cdn.staticfile.org/jquery/1.10.2/jquery.min.js"></script>
<script>
var UTFTranslate = {
Change: function (pValue) {
return pValue.replace(/[^\u0000-\u00FF]/g, function ($0) {
return escape($0).replace(/(%u)(\w{4})/gi, "&#x$2;")
});
},
ReChange: function (pValue) {
return unescape(pValue.replace(/&#x/g, '%u').replace(/\\u/g, '%u').replace(/;/g, ''));
}
};
function searchKw() {
var kw = document.getElementById("kw").value;
var pn = document.getElementById("pn").value;
$.get("http://service-rnwcbtai-1256773370.gz.apigw.tencentcs.com/release/list/" + kw + "/" + pn, function (data, status) {
document.getElementById("result").innerHTML = UTFTranslate.ReChange(data)
});
}
</script>
</head>
<body>
<center><h1>在线搜索工具</h1></center>
<hr>
<center>
请输入要搜索的内容：<input type="text" id="kw"><br>
请输入要跳转的页面：<input type="text" id="pn"><br><br>
<button type="reset">重置</button> | <button onclick="searchKw()">搜索</button>
</center>
<div>
<ol id="result">
</ol>
</div>
</body>
</html>
在对象存储中新建存储桶，并上传刚才的html文件：
修改权限为共有读，私有写：
基础配置，开启静态网站：
访问域名测试
总结
至此，我们完成了一个基本的去广告的搜索引擎，有的人可能就疑惑了：
1、本分享主要目的何在
2、这个例子有什么价值
关于上面两个问题，简单回复：
本分享主要想告诉大家，有了SCF和COS以及CDB等产品，作为用户，可以暂时不用CVM了，静态网页，我们可以放在COS中，后端的处理，放在SCF，数据存储到CDB，然后请求页面的时候，COS为我们保证了基本的访问功能和足够的带宽，SCF为我们提供了弹性伸缩的功能，让用户无需考虑流量多少，是否要对CVM扩容等，这样一个过程，可以让我们将更多的精力放到Coding上，想一下，如果传统的一个Python程序员想要做这样一个网页，他需要哪些知识？需要Django/flask等基本框架知识，需要一些Web端的运维，例如怎么配置环境，怎么配置Nginx等操作，现在呢？不需要这些框架知识，你只需要做一个简单的Html，Ajax通信，然后，后端就是我们平常的一个爬虫，也不需要我们写那么多复杂的配置文件，我个人认为这就是一种进步，一种方便；
针对问题2，我是这样想的，这个教程，表面上就是一个SCF运行一个爬虫，接入了COS的静态页面，让我们可以不用CVM也能做出一个网页，但是实际上，这个DEMO意义重大，首先，我只是简单的做了一个页面，完全可以将做一个目标页面预览功能，当你鼠标移动到对应的URL上面，会浮动出现目标网页的样子和你关键词命中的位置，这算不算搜索引擎中的一种创新？除此之外，表面上这个是去掉了百度的广告，但是我们可以拓展啊，我们可将Google，360，搜狗，bing等多家搜索数据进行一个整合，然后统一显示出来，这算不算是一种方便？或者，我们通过多个程序员常去的社区论坛，编写多个爬虫进行整个，实现一个程序员专员搜索？当然，这个只是本例子的一个应用场景，我写这个Demo的更大目的，是想给大家一个思路：
原来做网站可以不用CVM了，可以直接用COS+SCF+CDB来搞定了啊！
各位小伙伴，是不是可以考虑做一个个人小博客，尝尝鲜？
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。