XeLabs/cs-self-learning
2
0
Fork 0
mirror of https://github.com/PKUFlyingPig/cs-self-learning.git synced 2026-06-22 01:17:17 +08:00
Code Issues Projects Releases Packages Wiki Activity

Update 信息检索.md

Browse source 
更新格式和部分文字
This commit is contained in:
wuqi 2022-12-23 09:35:26 +08:00
parent 1abdb29e69
commit 4ee347eeb6
1 changed files with 32 additions and 29 deletions
Show stats Download patch file Download diff file Expand all files Collapse all files

61
docs/必学工具/信息检索.md
View file

@ -2,11 +2,11 @@
## 前言 ## 前言
<em>碰到问题，记住第一件事是 **翻阅文档** ，不要一开始就问人或者打开搜索引擎！</em> <em>碰到问题，记住第一件事是 **翻阅文档** ，不要一开始就直接搜索或者找人问，翻阅FAQ可能会快速找到答案。</em>
信息检索，我的理解来说，实际上就是灵活运用搜索引擎中，方便快捷的搜到需要的信息，包括但不限于编程。 信息检索，我的理解来说，实际上就是灵活运用搜索引擎中，方便快捷的搜到需要的信息，包括但不限于编程。
编程最重要的,就是 STFW(search the fucking web)和 RTFM(read the fucking Manual),首先要读文档,第二要学会搜索,网上那么多资源,怎么用,就需要信息检索。 编程最重要的，就是 STFW(search the fucking web) 和 RTFM(read the fucking Manual) ，首先要读文档，第二要学会搜索，网上那么多资源，怎么用，就需要信息检索。
要搜索，我们首先要搞清楚搜索引擎是如何工作的： 要搜索，我们首先要搞清楚搜索引擎是如何工作的：
@ -14,25 +14,27 @@
搜索引擎的工作过程大体可以分成三阶段：[^1] 搜索引擎的工作过程大体可以分成三阶段：[^1]
1. 爬行和抓取：搜索引擎蜘蛛通过跟踪链接访问网页，获取网页HTML代码存入数据库。 1. 爬行和抓取：搜索引擎蜘蛛通过跟踪链接访问网页，获取网页 HTML 代码存入数据库。
1. 预处理：索引程序对抓取来的网页数据进行文字提取，中文分词，索引等处理，以备排名程序调用。 1. 预处理：索引程序对抓取来的网页数据进行文字提取，中文分词，索引等处理，以备排名程序调用。
1. 排名：用户输入关键词后，排名程序调用索引库数据，计算相关性，然后按一定格式生成搜索结果页面。 1. 排名：用户输入关键词后，排名程序调用索引库数据，计算相关性，然后按一定格式生成搜索结果页面。
第一步，就是大家经常听说的网络爬虫，一般Python卖课的都会吹这个东西。简单可以理解为，我用一个自动的程序，下载网站中的所有文本、图片等相关信息，然后存入本地的磁盘中。 第一步，就是大家经常听说的网络爬虫，一般 Python 卖课的都会吹这个东西。简单可以理解为，我用一个自动的程序，下载网站中的所有文本、图片等相关信息，然后存入本地的磁盘。
第二步是搜索引擎的核心，但是对于我们使用来说，并不是特别关键。 第二步是搜索引擎的核心，但是对于我们使用来说，并不是特别关键，大致可以理解为洗干净数据，然后入库页面，每个页面加入关键字等信息方便我们查询。
第三步跟我们息息相关，不管是什么搜索网站，google、百度、Bing，都一样，输入关键字或者需要查询的内容，搜索引擎会给你返回结果。本文就是教你如何获取更好的结果。 第三步跟我们息息相关，不管是什么搜索网站， google 、百度、 Bing ，都一样，输入关键字或者需要查询的内容，搜索引擎会给你返回结果。本文就是教你如何获取更好的结果。
## 基础搜索技巧 ## 基础搜索技巧
根据上述的工作原理，我们大致就能明白，其实可以把搜索引擎当作一个比较聪明的数据库，更好的使用查询条件就能更快速的找到你想要的信息，下面介绍一些搜索的技巧：
### 使用英文 ### 使用英文
首先我们要知道一件事，编程中，最好使用英文搜索。原因主要有几点： 首先我们要知道一件事，编程中，最好使用英文搜索。原因主要有几点：
1. 编程和各种软件操作中，英文资料质量比中文资料和其他语言资料高，英文通用性还是更好些 1. 编程和各种软件操作中，英文资料质量比中文资料和其他语言资料高，英文通用性还是更好些
2. 因为翻译问题，英文的名词比中文准确通用 2. 因为翻译问题，英文的名词比中文准确通用
3. 中文搜索中，分词系统不准会导致歧义，比如Google搜中文可能会搜不出几条有用结果 3. 中文搜索中，分词系统不准会导致歧义，比如 Google 搜中文可能会搜不出几条有用结果
如果你英文不好，用百度翻译或者搜狗翻译，足够了。 如果你英文不好，用百度翻译或者搜狗翻译，足够了。
@ -44,7 +46,7 @@
我们需要提炼问题，确定我们到底需要解决什么问题。 我们需要提炼问题，确定我们到底需要解决什么问题。
例如，我想知道vcpkg如何集成到工程上而不是全局中，那么搜索 `vcpkg如何集成到工程上而不是全局中` 这种长句可能无法找到相关的结果，最好是拆分成单词，`vcpkg 集成到 工程 全局` 这样的搜索。其实这里只是举个例子，针对本条其实都能搜索出相关信息，但是越具体的问题，机器分词越可能出问题，所以最好是拆分关键字，使用词组或者断句来进行搜索。 例如，我想知道 vcpkg 如何集成到工程上而不是全局中，那么搜索 `vcpkg如何集成到工程上而不是全局中` 这种长句可能无法找到相关的结果，最好是拆分成单词，`vcpkg 集成到 工程 全局` 这样的搜索。其实这里只是举个例子，针对本条其实都能搜索出相关信息，但是越具体的问题，机器分词越可能出问题，所以最好是拆分关键字，使用词组或者断句来进行搜索。
### 替换关键字 ### 替换关键字
@ -52,20 +54,21 @@
### 高级搜索 ### 高级搜索
普通搜索引擎一般都支持高级搜索,包括 google,bing,百度,ecosia,等等,大部分都支持,不过可能语法不同，一般通用的表示： 普通搜索引擎一般都支持高级搜索，包括 google ， bing ，百度， ecosia ，等等，大部分都支持，不过可能语法不同，一般通用的表示：
* 精准匹配 用双引号括起来,比如搜索 线性代数,可以在输入框内输入 "线性代数" * 精准匹配： 精准匹配能保证搜索关键词完全被匹配上，一般是用双引号括起来
* 不包含关键字 用 - 减号连接关键字 * 比如搜索线性代数，可以在输入框内输入 "线性代数"，搜索引擎将只匹配完整包含 “线性代数” 的页面，而不会搜索拆分成线性和代数两个词的页面
* 包含关键字 用 + 加号连接关键字 * 不包含关键字： 用 - 减号连接关键字，用于排除某些干扰词
* 搜索特定文件类型 filetype:pdf 直接搜索 pdf 文件 * 包含关键字： 用 + 加号连接关键字
* 搜索特定网址 site:stackoverflow.com * 搜索特定文件类型： `filetype:pdf` 直接搜索 pdf 文件
* 搜索特定网址： `site:stackoverflow.com` 只搜索特定网站内的页面
一般可以参照网站说明,比如百度可以参照 [高级搜索](https://baike.baidu.com/item/高级搜索/1743887?fr=aladdin) ,Bing 可以参照 [高级搜索关键字](https://help.bing.microsoft.com/#apex/bing/zh-CHS/10001/-1) 和 [高级搜索选项](https://help.bing.microsoft.com/apex/index/18/zh-CHS/10002) 一般可以参照网站说明，比如百度可以参照 [高级搜索](https://baike.baidu.com/item/高级搜索/1743887?fr=aladdin) ，Bing 可以参照 [高级搜索关键字](https://help.bing.microsoft.com/#apex/bing/zh-CHS/10001/-1) 和 [高级搜索选项](https://help.bing.microsoft.com/apex/index/18/zh-CHS/10002)。
#### GitHub 的高级搜索 #### GitHub 的高级搜索
可以直接用 [高级搜索页面](https://github.com/search/advanced) 进行搜索,也可以参照 [Github查询语法](https://zhuanlan.zhihu.com/p/273766377) 进行查找,简单说几个: 可以直接用 [高级搜索页面](https://github.com/search/advanced) 进行搜索，也可以参照 [Github查询语法](https://zhuanlan.zhihu.com/p/273766377) 进行查找，简单说几个:
* `in:name <关键字>` 仓库名称带关键字查询 * `in:name <关键字>` 仓库名称带关键字查询
* `in:description <关键字>` 仓库描述带关键字查询 * `in:description <关键字>` 仓库描述带关键字查询
@ -78,41 +81,41 @@
* `language:java <关键词>` 仓库语言为 Java 的带关键字查询 * `language:java <关键词>` 仓库语言为 Java 的带关键字查询
* `user:<用户名>` 查询某个用户的项目 * `user:<用户名>` 查询某个用户的项目
* `org:<组织名>` 查询某个组织的项目 * `org:<组织名>` 查询某个组织的项目
这些可以混合使用,也可以先查找某一类的 awesome 仓库,然后从 awesome 库里找相关的资源,github 里有很多归纳仓库,可以先看看已有的收集,有时候会节省很多时间 这些可以混合使用，也可以先查找某一类的 awesome 仓库，然后从 awesome 库里找相关的资源，github 里有很多归纳仓库，可以先看看已有的收集，有时候会节省很多时间
### 更多技巧 ### 更多技巧
使用中，实际上我会去特定网站找一些问题： 使用中，实际上我会去特定网站找一些问题：
* 如果是语言本身相关,比如c++/Qt/OpenGL如何实现什么功能,可以直接加上 site:stackoverflow.com * 如果是语言本身相关，比如 c++/Qt/OpenGL 如何实现什么功能，可以直接加上 `site:stackoverflow.com`
* 如果是具体的业务/开发环境或者软件相关，可以先在BugList、IssueList，或者相关论坛里先找一下，比如Qt的问题就可以直接去Qt论坛，QGis或者GDAL相关问题可以在stackExchange里去搜 * 如果是具体的业务/开发环境或者软件相关，可以先在 BugList 、IssueList ，或者相关论坛里先找一下，比如 Qt 的问题就可以直接去 Qt 论坛，QGis 或者 GDAL 相关问题可以在 stackExchange 里去搜
* QQ群也是一个提问的地方，但是需要你提的问题有意义，否则大部分人不会回你，而且QQ群回复并不及时。 * QQ 群也是一个提问的地方，但是需要你提的问题有意义，否则大部分人不会回你，而且 QQ 群回复并不及时。
* 知乎专栏、简书、博客园、CSDN中有大量中文笔记，这些都是别人嚼烂了的东西，基本是别人踩坑的经验 * 知乎专栏、简书、博客园、 CSDN 中有大量中文笔记，这些都是别人嚼烂了的东西，基本是别人踩坑的经验
### 关于百度 ### 关于百度
大部分编程人都会告诉你别用百度，用Google或者Bing国际版，但是Bing基本是个残废，Google需要科学，如果真的需要，可以使用Ecosia、Yandex之类的搜索引擎。而且中文搜索来说，百度可能还真是最好的。 大部分编程人都会告诉你别用百度，用 Google 或者 Bing 国际版，但是 Bing 中文搜索的准确率并不高， Google 需要科学上网，如果真的需要，可以使用 Ecosia 、 Yandex 之类的搜索引擎。而且中文搜索来说，百度可能还真是最好的。
百度的问题主要在于排序算法，可能两页都没啥对的内容，但是收录比Bing还是好一些的，甚至比Google好。从数据库来说，百度比google和Bing收录的中文内容要多，如果你碰到的时中文相关的问题而且确实找不到相关内容，那么就用百度，搜索引擎是工具，能用好用才是王道。 百度的问题主要在于排序算法，可能两页都没啥对的内容，但是收录比 Bing 还是好一些的（百度以前并不遵守 robots.txt ，会抓取所有页面，所以有些个人网站甚至专门对百度做了屏蔽），甚至有时候比 Google 好。从数据库来说，百度比 Google 和 Bing 收录的中文内容要多，如果你碰到的时中文相关的问题而且确实找不到相关内容，那么就用百度，搜索引擎是工具，能用好用才是王道。
## 代码搜索 ## 代码搜索
我们除了搜索引擎查找问题，还有可能会搜一些代码，可能是自己写的，也可能是项目中的，下面推荐一些工具： 我们除了搜索引擎查找问题，还有可能会搜一些代码，可能是自己写的，也可能是项目中的，下面推荐一些工具：
代码检索有两种,第一是本地的代码检索,第二是要写个啥算法,需要在网上搜索 代码检索有两种，第一是本地的代码检索，第二是要写个啥算法，需要在网上搜索
### 本地代码搜索 ### 本地代码搜索
* ACK 或者 ACK2,老牌搜索工具,perl 写的 * ACK 或者 ACK2，老牌搜索工具，perl 写的
* The Silver Searcher c 实现的 * The Silver Searcher c 实现的
* The Platinum Searcher go 实现的 * The Platinum Searcher go 实现的
* FreeCommander 自带的搜索,如果是固态硬盘速度还不错 * FreeCommander 自带的搜索，如果是固态硬盘速度还不错
* IDE 自带的,搜索有些时候并不太好用 * IDE 自带的，搜索有些时候并不太好用
### 开源代码搜索 ### 开源代码搜索
* [Searchcode](https://searchcode.com) 搜索开源代码,速度比较快 * [Searchcode](https://searchcode.com) 搜索开源代码，速度比较快
* [一行代码](https://www.alinecode.com) 国产的,有些国产工具很好用 * [一行代码](https://www.alinecode.com) 国产的，有些国产工具很好用