導(dǎo)讀：本文主要闡述搜索引擎的基本技術(shù)。故事純屬虛構(gòu)鸠信，如有雷同论寨，算我抄你。

中堂的煩心事

乾隆六年绰垂，皇城和府火焰。

時(shí)任內(nèi)務(wù)府總管的和珅正在府邸里來回踱步，讓他煩心的是主子乾隆爺交給他的選秀女一事占业。

“老爺谦疾，您這是怎么了犬金？”管家劉全很會(huì)察言觀色。

“今日早朝峰伙，圣上讓我負(fù)責(zé)今年選秀女的事音同，哎……”和珅嘆了口氣接著說：“雖然離歲末還有數(shù)月，但這茫茫人海顿膨，我到哪去給圣上找他要的‘總沒有右耳朵’的姑娘啊×滴郑”

“啥囊咏？沒有耳朵的姑娘？”劉全很是驚訝霜第。不過他很快就鎮(zhèn)定下來户辞，對(duì)和珅說道：“老爺，這歷年選秀女刃榨，最終送進(jìn)宮的都是萬里挑一篩出來的双仍，別說沒有耳朵，哪怕兩只耳朵不一般大恐怕都不行吧苞轿。想必這又是萬歲爺出的題目在考咱呢为流，您可一定要慎重熬床臁莲祸！”

“對(duì)巴钟！”和珅一拍大腿缴阎，“這一定是圣上在故意考我呢简软。走走走述暂，去找老紀(jì)畦韭，讓他幫我想想肛跌。”

和珅口中的老紀(jì)正是時(shí)任國(guó)史館總纂的紀(jì)昀（字曉嵐）转唉。此人博聞強(qiáng)記稳捆、才思敏捷，最關(guān)鍵的是他很善于猜解乾隆皇帝的字謎期虾。

“和中堂镶苞，什么風(fēng)把您給刮來了鞠评？”和珅剛一進(jìn)門，紀(jì)昀就拱手示好聋涨。沒辦法负乡，誰讓和珅的官職比他高出好幾個(gè)級(jí)別。

“紀(jì)大人茂腥，我又要來麻煩你了……誒切省？劉大人也在啊，”這一天內(nèi)閣學(xué)士劉墉恰逢在紀(jì)昀家做客般渡，這讓和珅很是欣喜，“兩位大學(xué)士都在脸秽，那我這事差不了了豹储√哉猓”

和珅向兩位同僚敘述了乾隆爺交代給他的事。

思忖片刻钠怯，紀(jì)昀果真有了答案：“哈哈哈……和中堂曙聂，‘總沒有右耳朵’指的不就是個(gè)聰明的‘聰’字嘛，萬歲爺是讓您給他找聰慧伶俐的姑娘家啊断国∮馨”

“哎呀呀，紀(jì)大人果然才氣過人薄疚，圣上定是這個(gè)意思街夭，錯(cuò)不了躏筏，錯(cuò)不了￠苁玻”和珅此時(shí)茅塞頓開弱卡。
（猿知原味注：作為搜索引擎婶博，首先要理解用戶的意圖——究竟是想搜什么荧飞？雖然用戶的輸入不會(huì)像上文中乾隆皇帝那般隱晦名党，但計(jì)算機(jī)也遠(yuǎn)不及紀(jì)昀那般聰明传睹，甚至可以說是笨岸晦。比如你輸“中外科學(xué)名著”幾個(gè)字启上，對(duì)于我們?nèi)硕院芎?jiǎn)單，中外/科學(xué)/名著,然而計(jì)算機(jī)或許就會(huì)犯糊涂倒慧。對(duì)它而言纫谅，“外科”溅固、“學(xué)名”僅從詞庫去看也是合理的詞，究竟該如何切分是一個(gè)問題盹牧。這里就涉及到了搜索引擎中的分詞算法汰寓，這里不展開討論）

從長(zhǎng)計(jì)議

一番道謝之后苹粟，和珅準(zhǔn)備離去，正要走毛好，被劉墉喊住了：“和大人苛秕，您這是準(zhǔn)備去尋皇上要的聰明丫頭嗎？”

一句話問得和珅呆住了吼驶，心想著“那不然呢？”

“依臣看此事不可操之過急风钻÷饧迹”見和珅頓住了腳羞反，劉墉接著說道：“咱大清幅員遼闊，隨著‘?dāng)偠∪氘€’的制度實(shí)施喝滞，現(xiàn)在人口眼看就要破一萬萬了膏秫，想必其中待字閨中的女娃子也不少。大人您這一去少說也得個(gè)把月窘哈，就算一切進(jìn)展的順利亭敢，您遴選出了一批秀外慧中的女子帶到了萬歲爺面前，但倘若到那時(shí)咱主子又改了主意让腹，不要聰慧的了骇窍，要樸實(shí)淡雅的锥余，那中堂您不就白忙活了嗎？”

“對(duì)對(duì)對(duì)嘲恍，大人提醒的極是啊雄驹，”和珅剛剛舒展開的眉頭又鎖了起來，“我做奴才的無所謂白不白忙吁脱，但這一來二去的，要是耽擱了給萬歲爺上交秀女的時(shí)日兼贡，那可是欺君之罪氨橄！凿蒜！劉大人胁黑，這事兒您一定得幫幫我，您看這選秀女的事往下該如何進(jìn)行捌蟆力喷？”

“和大人，您看這樣可好贝咙，”原來劉墉一早就有了主意拂募，“此次您下民間征召秀女，無需將‘聰慧’列為征求條件蔼水，也暫時(shí)不必把她們帶回宮徙缴。您需要做的只是盡可能多的搜羅適齡女子嘁信，并將她們的門第、容貌穿剖、修養(yǎng)卦溢、性格秀又、能力吐辙、品行等統(tǒng)統(tǒng)登記造冊(cè)蘸劈，回宮之后再對(duì)收集到的這些材料加以歸納整理。待圣諭下達(dá)之時(shí)贤惯，您只需要根據(jù)整理好的檔案孵构，篩選出那些最符合圣上心意的女子烟很，再差人……”

“此計(jì)甚妙、甚妙精盅！”劉墉還沒說完谜酒，紀(jì)昀已經(jīng)忍不住在一旁連連稱贊了，“依劉大人的意思粘驰，如果在趙家村找了個(gè)叫‘趙梨影’的姑娘考察結(jié)果是‘白蝌数、富度秘、美’，又在關(guān)家村找了個(gè)叫‘關(guān)逍桐’的姑娘考察結(jié)果是‘傻唆貌、白垢乙、甜’，那在我們重新編排之后的檔案里酪刀，關(guān)于‘膚白’的記載，就應(yīng)該同時(shí)存在這兩個(gè)人骂倘。別說今年了稠茂，以后任意一屆選秀女，只要咱萬歲爺好上膚若凝脂的類型，直接把這倆丫頭提溜進(jìn)宮就是了毡证。”

“兩位大人簡(jiǎn)直就是我劉某人的再生父母柏ぢ帷恤煞！”聽到這，和珅終于醒過味兒了概漱。一邊給他們作揖致謝喜喂，一邊堆著笑臉轉(zhuǎn)向紀(jì)昀：“紀(jì)大人玉吁，劉某在這還有一事相求。我的人到時(shí)候都到民間去尋秀女了这揣，聽說您最近在負(fù)責(zé)纂修《四庫全書》影斑，等我們將秀女的材料呈到宮中，還得麻煩您分一撥人幫忙整理建檔啊塞俱±艨澹”

“我去罐旗，這羅鍋（劉墉外號(hào)）出的餿主意……”紀(jì)昀心中一萬頭羊駝奔過九秀，可面對(duì)乾隆爺身邊的大紅人又無可奈何粘我，只得苦笑著應(yīng)道：“應(yīng)該的征字，應(yīng)該的”。

（猿知原味注：如果整個(gè)互聯(lián)網(wǎng)上只有三個(gè)網(wǎng)站畅厢，用戶在搜索一個(gè)詞的時(shí)候完全可以通過字符串匹配的方式找到包含這個(gè)詞的網(wǎng)站氮昧，這很簡(jiǎn)單。如果有100個(gè)網(wǎng)站咪辱，以目前計(jì)算機(jī)的檢索速度也能輕松做到毫秒級(jí)別的響應(yīng)椎组。然而，網(wǎng)絡(luò)上的站點(diǎn)千千萬萬选调，若是在用戶點(diǎn)擊搜索時(shí)才從這些多如牛毛的網(wǎng)站中去匹配某個(gè)詞灵份，那就會(huì)猶如大海撈針，顯得很不靠譜了填渠。搜索引擎為了解決這個(gè)問題氛什，有了“倒排索引”這個(gè)概念。上文中將某位秀女的體貌性格等特征登記造冊(cè)被稱之為“正排”捺檬，有了所有秀女的正排數(shù)據(jù)，再在“特征”這個(gè)維度下創(chuàng)建“白堡纬、富、美蛋济、傻炮叶、甜”等一系列索引，每個(gè)索引對(duì)應(yīng)于具備此項(xiàng)特征的秀女們祟辟，這些索引就被稱之為“倒排索引”侣肄。構(gòu)建倒排索引是搜索引擎的關(guān)鍵技術(shù)，有了它，用戶輸入N個(gè)詞被芳，只需要對(duì)這N個(gè)詞的索引所對(duì)應(yīng)的網(wǎng)站列表求交集就可以了）

閱女無數(shù)的秘訣

“對(duì)了畔濒，兩位大人，剛才我們談到的都是如何給秀女建檔的事赞弥，那在搜羅秀女的問題上你們有何看法叭ば帧？”看樣子和珅今天是賴上紀(jì)昀和劉墉了拼窥，他接著解釋道：“歷朝歷屆選秀女蹋凝，地方官借此霸占民女的事都時(shí)有發(fā)生，所以這次萬歲爺專門叮囑過奴才改含，今年所選秀女不想通過下面的官員舉薦了迄汛。如此一來骤视，這泱泱大國(guó)，我如何才能搜羅到天下所有的秀女吧邪帜慢？”

不得不說粱玲，和珅能做到現(xiàn)在這個(gè)位置上還是有兩把刷子的，一個(gè)問題就讓兩位大學(xué)士緘默了允青。

沉靜了好一陣卵沉，紀(jì)昀說話了：”中堂，您看能否這樣琼掠。搜尋秀女的差事就從臣府上的兩個(gè)丫鬟開始停撞，除了把她倆登記之外，再順便問問艰猬，看她們老家還有哪些十三到十六歲尚未婚嫁的女子……“

”老紀(jì)埋市，你等等，”和珅打斷了紀(jì)昀的陳述腊满，“你府上那倆丫頭我都清楚培己，她們那窮鄉(xiāng)僻壤的能出幾個(gè)美人啊肃弟？”

“別急啊，和大人笤受，臣是這么想的箩兽，”紀(jì)昀接著說到：“雖然這兩個(gè)丫鬟能介紹的人少之又少，但在您去統(tǒng)計(jì)這些人的同時(shí)身坐，也可以順便讓她們介紹幾個(gè)各自認(rèn)識(shí)的適齡女子啊落包，這不就從兩個(gè)發(fā)展到了數(shù)十個(gè)，數(shù)十個(gè)發(fā)展到了幾十個(gè)嗎涯鲁？再往后也都如此抹腿，對(duì)搜羅到的秀女旭寿，除了將她們做記錄外，還要讓她們介紹身邊的其他女子，如此一來……”

“如此一來僚匆，和大人就如同布下了一張?zhí)炝_地網(wǎng)咧擂，網(wǎng)盡天下美女指日可期啊云芦！紀(jì)大人贸桶，您這一招真可謂是高啊琉历！”這次輪到劉墉捧紀(jì)昀了旗笔。

（猿知原味注：紀(jì)昀談到的搜羅方案在搜索引擎中被稱作“網(wǎng)絡(luò)爬蟲”（Spider），爬蟲通常的做法是利用網(wǎng)頁之間的超鏈接從一定范圍的網(wǎng)頁出發(fā)拳魁，提取出指向其他頁面的鏈接潘懊，把它們當(dāng)成將下次要請(qǐng)求的對(duì)象。周而復(fù)始地重復(fù)這個(gè)過程卦尊，最終從理論上而言岂却，幾乎就能爬取到整個(gè)互聯(lián)網(wǎng)上的內(nèi)容裙椭。顯而易見的躏哩，通過爬蟲采集網(wǎng)頁是搜索引擎的首要任務(wù)）

“劉大人過獎(jiǎng)了扫尺。臣這法子雖說可以搜羅到絕大多數(shù)民間的適齡女子正驻，但畢竟這次不通過地方官舉薦了抢腐，皇上給的時(shí)間又有限迈倍，只恐怕臨時(shí)才去一一登記，不經(jīng)過長(zhǎng)時(shí)間的詳細(xì)考察宴合，對(duì)一些性格較為內(nèi)斂的女子在品行上的評(píng)定會(huì)有所疏漏啊卦洽。”看得出來斜棚，紀(jì)昀是一個(gè)謹(jǐn)小慎微的人逐样。

“不打緊不打緊，”此時(shí)的和珅已是志得意滿，“紀(jì)大人脂新，您就知足吧挪捕，數(shù)月時(shí)間要評(píng)定登記上百萬的人，能將她們外在表現(xiàn)出來的容貌品行登記造冊(cè)争便，不出紕漏就不錯(cuò)了级零，還哪顧得上她們內(nèi)不內(nèi)斂啊≈鸵遥”

（猿知原味注：很多搜索引擎只對(duì)爬蟲請(qǐng)求到的html感興趣奏纪，而不去解析請(qǐng)求到的javascript。這就使得一些運(yùn)用前后端分離技術(shù)開發(fā)的網(wǎng)頁就如同上文提到的內(nèi)斂女子一樣，異步渲染的內(nèi)容很不利于被搜索引擎搜索到发绢，從而影響網(wǎng)站被收錄）

排名次

“不過边酒，和大人墩朦，有一個(gè)問題您還真得考慮到氓涣，”劉墉似乎又想到了點(diǎn)什么，他說道：“圣上不是找您要聰明的姑娘嗎晶渠，臣估摸著按照剛才咱們討論的方案實(shí)施下去褒脯，到了年底番川，紀(jì)大人整理的秀女檔案里具備‘聰慧’這一條件的女子再怎么說也得萬八千個(gè)践啄，您不可能將她們?nèi)紟нM(jìn)宮面圣吧。是不是也得分個(gè)三六九等伐谈，只有最最符合條件的一批人方能入選呢诵棵？”

“哈哈，劉大人奇昙，這有何難呢储耐，”剛當(dāng)過恩科主考官的和珅對(duì)排名這一套玩的很溜，他慢條斯理地說道：“您看闽撤，雖說萬歲爺只跟為臣提到了聰明哟旗，但這其中還有些標(biāo)準(zhǔn)是不言而喻的。咱大清朝選秀女舍沙，自順治爺以來都是滿蒙漢的八旗女子或包衣出身拂铡，這一下就能篩掉一大半人吧斗锭。容貌秀麗拒迅、舉止端莊，這萬歲爺沒說但祖制總要遵從吧前硫，這又要篩掉一部分人屹电。再說這‘聰明’也分大聰明亦或是小聰明，從古至今外莲，機(jī)關(guān)算盡禍亂宮闈的不叫聰明，外戚專權(quán)把持朝政的更不叫聰明声邦，把那些尚未進(jìn)宮就玩小聰明的再篩掉又還能剩多少人呢亥曹？”

和珅的一番話讓劉墉和紀(jì)昀瞠目結(jié)舌，似乎和珅在教他們?nèi)绾纬蔀橹髯由磉叺募t人，又似乎在告訴他們“你大爺還是你大爺”硫豆。

（猿知原味注：我們都知道在使用搜索引擎的時(shí)候旨别，它會(huì)根據(jù)用戶搜索的關(guān)鍵詞，排列出相關(guān)性最高的內(nèi)容呈現(xiàn)出來洪碳。和珅談到的正是這里所謂的相關(guān)性绞铃，它對(duì)于搜索引擎排名來講是一門大學(xué)問儿捧。關(guān)鍵詞的詞密度、位置各淀、距離等都會(huì)影響到搜索引擎對(duì)其相關(guān)性的判定疗我。除此之外，隨著大數(shù)據(jù)和人工智能的發(fā)展，現(xiàn)代搜索引擎在做相關(guān)性分析的時(shí)候正變的越來越‘懂你’剖膳，你輸入‘黃曉明的妻子’，出來的一定有大量和Angelababy相關(guān)的內(nèi)容叹话；你手誤將‘趙麗穎’輸成了‘趙梨影’，沒關(guān)系热凹，搜索引擎知道你究竟是想輸什么；對(duì)于一個(gè)注重養(yǎng)身、經(jīng)常搜索食品的人止状，輸入‘蘋果’排名靠前的會(huì)是水果，而對(duì)于一個(gè)電子發(fā)燒友，輸入‘蘋果’排名靠前的一定會(huì)是手機(jī)）

“對(duì)了塔淤，兩位大人罕容，說起給秀女們排名露泊，臣這還有一個(gè)困惑，”和珅接著說道：“假設(shè)有這么一個(gè)人铺敌，為了從千千萬秀女中脫穎而出派歌，她偽造了滿族貴族的身份，用胭脂水粉把自己倒騰的芳菲嫵媚早抠，古靈精怪的性格更是偽裝的恰到好處游昼。有什么法子能夠防止這種作弊行為呢？畢竟我們對(duì)其進(jìn)行評(píng)定也就是依據(jù)這些表象囚聚，短時(shí)間內(nèi)無法有更深入的了解鸯绿《痉担”

“哎男窟，她們只知道榮華富貴牺六，卻不曉得‘一入侯門深似海’暗琳汀宅荤！”剛剛還在發(fā)愣的紀(jì)昀發(fā)出了感慨屈糊。又繼續(xù)說道：“和大人雕薪，臣倒是有個(gè)主意可以很大程度上地打擊這種作弊。您看啊蜈亩，一般而言港华，越是真正的名門望族臊岸、國(guó)色天香，越會(huì)被十里八鄉(xiāng)的人所熟知，在您以我們剛才談到的口口相傳的方式去搜羅秀女的過程中瞪醋，往往那些名副其實(shí)的秀女人選會(huì)被別人多次提及。相反的咕幻，雖然有些偽秀女能用一些辦法干擾到朝廷對(duì)她們的考察选浑，得到很不錯(cuò)的評(píng)定，但如若周邊并沒幾個(gè)人知道她們的存在代态，那這其中就必定有詐了必尼《雇欤”

“這法子好娘侍，除此之外，對(duì)被介紹人的評(píng)定在很大程度上也要看介紹人是誰，”劉墉補(bǔ)充道：“比如紀(jì)大人家這兩個(gè)丫鬟古拴，本來就是親信盔然，介紹的女子應(yīng)該也比較靠譜，排名就該靠前潦嘶。而那些信口雌黃，原本口碑就不大好的女子介紹的人就理應(yīng)往后排锰蓬÷槎ィ”

（猿知原味注：搜索引擎在計(jì)算排名的時(shí)候除了看內(nèi)容和關(guān)鍵詞的相關(guān)性矫钓，對(duì)一個(gè)網(wǎng)站整體權(quán)重的評(píng)估也是一個(gè)非常重要的依據(jù)既绩。比如Google的PageRank算法，就是創(chuàng)始人Larry Page 和 Sergey Brin 當(dāng)年在斯坦福讀博期間搞出來的一個(gè)算法嚎幸，也正是憑借此算法他們創(chuàng)立了Google。其核心思想很簡(jiǎn)單：1、如果一個(gè)網(wǎng)頁被很多其他網(wǎng)頁鏈接到的話說明這個(gè)網(wǎng)頁比較重要，也就是PR值會(huì)相對(duì)較高冷守；2充活、如果一個(gè)PR值很高的網(wǎng)頁鏈接到一個(gè)其他的網(wǎng)頁，那么被鏈接到的網(wǎng)頁的PR值會(huì)相應(yīng)地因此而提高）

寒冬臘月里的一天，和珅路過神武門，恰巧看到一女子被守衛(wèi)攔在門外析苫。

“和大人纵揍，這女子非說她就是這次選秀女排名第一的人特漩，名叫魏瓔珞《侍叮”守衛(wèi)上前稟報(bào)道谎亩。

和珅湊近打量一番嚎花，這女子長(zhǎng)的容色清麗兵罢、秀雅絕俗吏夯。

“看看你們都是什么態(tài)度跺嗽，這指不定以后就會(huì)是咱主子璃吧，”和珅數(shù)落了守衛(wèi)兩句，扭過頭一臉諂媚的對(duì)女子說道：“魏姑娘栓始，還是煩請(qǐng)您出示一下朝廷賜予的玉如意吧落恼。歷年來被選為秀女頭名的人皇上都會(huì)賞賜玉如意作為進(jìn)宮的令牌钻蔑，有了它窗怒，您在這紫禁城出入就方便多了……”

故事讀完了辜昵，還是意猶未盡贷洲？沒關(guān)系钦椭，關(guān)注“猿知原味”公眾號(hào)（yz–yw），還有一大波生動(dòng)有趣的干貨等著你。