|
| |
|
|
| |
для: SS
(27.01.2005 в 22:07)
| | | У нас уже опять длинная тема :))) - давайте переместимся в новую
http://www.softtime.ru/forum/read.php?id_forum=1&id_theme=1815 | |
| |
|
|
| |
|
|
| |
для: SS
(26.01.2005 в 03:57)
| | | Извиняюсь за навязчивость, но Вы не смотрели еще мой вопрос? Или не получается? | |
| |
|
|
| |
|
|
| |
для: SS
(25.01.2005 в 15:08)
| | | Я имею ввиду - НЕ ВНОСИТ ВООБЩЕ НИЧЕГО, ни старых файлов, ни новых, ни в URL, ни в BASE.
Не уверен, но проверьте, пожалуйста, это место:
$path_parts = pathinfo($file);
if(!in_array($path_parts["extension"], $ext)) continue;
// Проверяем файл на предмет повторной индексации - если
// он уже проиндексирован - пропускаем цикл
if(!in_array($dirname."/".$file, $url_alredy)) continue;
// Записываем имя файла в url.txt
fwrite($fd, "$i $dirname/".$file."/\n");
|
| |
| |
|
|
| |
|
|
| |
для: cheops
(25.01.2005 в 00:34)
| | | Проверил новый scan - ничего не вносит ни в BASE ни в URL. | |
| |
|
|
| |
|
|
| |
для: cheops
(25.01.2005 в 01:44)
| | | Если это возможно, то оставить их только для слов, работающих с датой:
в.
вв.
г.
гг.
н.
э.
нач.
кон.
сер.
ок.
Однако, я сейчас проверил - сейчас их поиск не находит, например, запрос "I в." или "I в. до н.э." не находит, хотя в BASE.TXT таких файлов полно. | |
| |
|
|
| |
|
|
| |
для: SS
(25.01.2005 в 01:12)
| | | Да, вообще-то, я как-то не подумал об предметной области... точка с запятой и точки используется в поиске? их бы с точки зрения безопасности исключить нужно... | |
| |
|
|
| |
|
|
| |
для: cheops
(25.01.2005 в 00:34)
| | | Здесь специфика сайта не позволяет... Ключевое слово "Рим" состоит из 3-х букв, потом есть такая богиня Ио, а поскольку это раздел Античного искусства и страницы содержат также и информацию о дате, то будет не найти картинку по дате, поскольку в начале нашей эры дата могла состоять из двух или даже из одной цифры.
Смотря статистику текстовых поисковиков, диву даешься, что пытаются искать... | |
| |
|
|
| |
|
|
| |
для: SS
(24.01.2005 в 19:18)
| | | 1-3) Постарался учесть...
4) Это уже давайте завтра - подумать нужно... может здесь лучше регулярными выраженями... зачем психически здоровым людям искать точки и запятые... давайте ограничим поиск словами, число символов в которых не меньше 4 (это обычная практика). | |
| |
|
|
| |
|
|
| |
для: cheops
(24.01.2005 в 00:14)
| | | Вот тебе и последний штрих :) Ляпнул, не подумав. Cheops, спасибо Вам за долготерпение! Но никак не могу пройти мимо некоторых досадных мелочей:
1. Если ALT пустой или = "ИСТОРИЯ ДРЕВНЕГО РИМА" - картинку индексировать не надо. Дело в том, что баннеры не только idr88x31b.GIF, есть и другие и сканер проиндексировал даже с idr88x31.GIF (он смотрит по относительному пути, но у каждого уровня свой относительный путь к файлу, в ту или другую сторону).
2. URL.XTX - не выводить другие файлы, кроме htm, html, php (простейший пример - у нас сейчас ок.1000 картинок, на каждую есть превьюшка и htm-документ, итого получается 1000*3=3000 файлов, из 2000 - ненужная информация.). Сейчас удалены вручную.
3. Сейчас страницы проиндексированы, приписываются ключевые слова для каждой картинки в теге примечаний, чтобы не выводились в результатах поиска, труд немалый, скажем, жалко потерять при переиндексации. И вручную вносить обновления - тоже не лучший вариант, особенно, если учесть, что загружает их несколько человек, - накладки неизбежны. Поправьте, пожалуйста, чтобы при повторной индексации проиндексированные картинки не индексировались, т.е. если есть такая картинка по такому адресу - то ничего не записываем, если нет - то прибавляем 1 к максимальному номеру ссылки в файле URL.TXT и делаем запись. Что-то в этом духе.
4. Возможность стоп-листа. Сейчас набираешь любой предлог или знак препинания - и поисковик рад стараться, выводя все страницы. Допишите, пожалуйста, чтобы перед началом поиска сначала проверить содержимое файла, напр., STOP.TXT и если там нет такого знака или слова, то тогда ищем, если есть - то ругаться. | |
| |
|
|
| |
|
|
| |
для: SS
(24.01.2005 в 00:06)
| | | У баннера название наверное не меняется? Тогда его можно игнорировать примерно следующим образом:
<?php
if(isset($out[0]))
{
for($j = 0; $j<6; $j++)
{
if(isset($out[$j]))
{
$out[$j][1] = str_replace("\r\n","",$out[$j][1]);
$out[$j][1] = str_replace("\n","",$out[$j][1]);
if($out[$j][2] != "../../../../site/idr88-31b.GIF")
fwrite($fb,"$i ".$out[$j][2]." ".$out[$j][1]."\n");
}
}
}
else
{
$patern = "|<img[\s]*src[^\"]*\"([^\"]*)\"[^a]*alt[^\"]*\"([^\"]*)|i";
preg_match_all($patern, $buffer, $out, PREG_SET_ORDER);
// Вместо 6 поставьте максимальное число изображений на
// на странице
for($j = 0; $j<6; $j++)
{
if(isset($out[$j]))
{
$out[$j][2] = str_replace("\r\n","",$out[$j][2]);
$out[$j][2] = str_replace("\n","",$out[$j][2]);
if($out[$j][1] != "../../../../site/idr88-31b.GIF")
fwrite($fb,"$i ".$out[$j][1]." ".$out[$j][2]."\n");
}
}
}
?>
|
| |
| |
|
|
|
