基于XML的Web搜索技术研究

房 屹

（山东丝绸纺织职业学院，山东 淄博 255300）

随着Internet资源的迅速增长，网络资源愈发丰富，传统的基于HTML的搜索技术的准确率水平亟待提高。XML标记语言可以明确的标记多样化的网络信息，通过内容与标记之间的关系准确定位，查找目标。突破了传统意义的全文检索方式，减小了搜索范围，提高搜索的精度与准确度。

1 XML搜索技术

可扩展标记语言（Extensible Markup Language, XML）是互联网联合组织（W3C）创建的一组规范，为了便于网页信息的组织而设计的。XML是一种元标记语言，它以一种开放的自我描述方式定义数据结构，在描述数据内容的同时能突出对结构的描述，从而体现出数据之间的关系，这样所组织的数据对于应用程序和人类都是友好的、可操作的。所以，XML是一种优秀的数据打包和数据交换的形式。为分析和转换 XML文档，XML还提供了DOM、SAX等技术于实现对XML文档的解析，并提供Xpath、Xquery等查询语言实现对XML文档的有效查询，形成XML搜索技术。

在基于XML的搜索引擎的设计中，对特定结构的XML文档存储网站Web信息，将有关Web页面的内容或超级链接文本以及它们对应的URL分层保存在XML文档中，并通过对XML文档的解析实现信息的录入、更新、修改，最后设计利用XML查询技术的检索器，通过对存储查询信息的 XML文档进行检索，按用户查询字找到对应的Web页面的URL，在用户浏览器端返回其所指的Web页，从而实现基于XML的Web信息搜索。

2 基于XML的Web搜索引擎的设计

2.1 Web信息的集成

建立Web信息集成平台的目的就是为用户提供涉及多个Web信息源的统一查询机制。……