小說語句搜尋引擎

名稱小說語句搜尋引擎
使用語言 Python 2.7(需另裝 lxml)
使用平台Unix-like(e.g. Linux, FreeBSD)
版本資訊0.2.2
作者兩大類
下載連結載點

0.2.2 版更新內容

重新設計架構和程式碼
新增支援多字詞搜尋
自動使用 PAGER 瀏覽

對於寫作新手來說,如何使用字詞是一個重要的課題。比如想描述「煩惱」,該怎麼做呢?是苦痛的煩惱?奇異的煩惱?亦或是莫名的煩惱?這些都困擾著寫作新手,形成新手們的煩惱。

參考別人的作品往往是一個好的出發點,多了解高手是怎麼使用文字,可以協助自己寫出更漂亮的文章。但參考作品的品質也必須有所限定,畢竟參考垃圾對文筆沒什麼幫助。

但要如何找出值得參考的文章呢?

這顯然無法透過 Google 搜尋字詞解決,我們雖然可以藉此找出含有相同詞彙的文章,但卻沒什麼意義。因為 Google 只在意文章是否相關,它並十分不在乎文筆的好壞,因此找出來的文章參考價值有限。

為了解決這個問題,此專案的目標即是做一個文字搜尋引擎,只要輸入關鍵字詞,便會後回傳完整的語句。

我的構想是「一個廣受大家喜愛的作品,其文筆至少不會太差」,所以我找了一個名為「小說頻道」的網站,抓取小說公開的內容當作資料來源,並以「小說排行榜」的排序做為篩選的依據,只要排行比較前面的小說,就更有可能被當成結果顯示。透過這樣的篩選,理論上我就可以找出不錯的句子。

使用方法很簡單,只要做兩件事:

  • 更新語句資料庫
  • 搜尋

更新即是去「小說頻道」抓取資料,所以要保證網路的暢通,抓取的過程可以隨時用 Ctrl + C 中斷,畢竟「小說頻道」一共有上千部小說,如果要等到全部抓完,將會花上許多時間和硬碟空間,因此只需要抓取足夠量的小說即可。

由於抓取的順序是以排行榜第一名的小說開始,相信搜尋出的語句都能有不錯的表現。如果發現搜尋不到句子,或是結果太少,可再重新下「更新」指令,抓取更多小說。

更新的語法如下:

等到抓完足夠多的小說後,便可以用 Ctrl + C 中斷,接下來就可以搜尋了。

資料庫會存放在家目錄之中,檔名為 .nch.db

比如說想搜尋「我們」,可以如下操作:

也可以同時搜尋多個字詞,如「我們」、「他們」:

除此之外還有一個功能,如果 grep 後面不接任何參數,就會進入互動模式,可以搜尋多次關鍵字。

如果不想要搜尋時,只要輸入 Ctrl + C 即可跳出程式。

發表迴響