模拟百度搜索渲染HTML页面关键词高亮分组排序算法(C#)

作者:作者不详发布日期:2020/03/08 15:39:24

模拟百度搜索渲染HTML页面关键词高亮分组排序算法(C#)

最近在研究模拟百度搜索以及自动中文分词算法，从数据库查询到相关关键词结果，最后是渲染HTML页面的关键词，关键词部分采用黄色背景红色字体高亮显示。

最后在渲染HTML页面的关键词高亮环节出现小问题，没有正确渲染关键词，如下图：

高亮关键词失败原因：

关键词高亮是根据自动分词系统分解的关键词顺序进行的，比如上图的关键词分词结果：api,webapi，程序首先高亮渲染api关键词，那么webapi关键词被强行拆分了！！！

HTML Code:

web<span class="search-highlight">api</span>

当程序高亮webapi关键词的时候，HTML内容已经无法匹配到webapi关键词！

解决方案：对关键词的包含关系重新分组排序！！！

逻辑推理：首先高亮webapi关键词，然后高亮api

HTML Code:

<span class="search-highlight">webapi</span>

//来源:C/S框架网(www.csframework.com) QQ:23404761

渲染HTML页面关键词高亮分组排序算法：

C# Code:

/// <summary>
/// 渲染HTML页面关键词高亮分组排序算法
/// </summary>
public class KeywordSort
{

/// <summary>
/// 关键词分组排序算法
/// </summary>
/// <param name="keyWords"></param>
/// <returns></returns>
public static string SortKeywords(string keyWords)
{
try
{
#region 按每个关键词包含关系分组

SortedList groups = new SortedList();
string[] keys = keyWords.Split(',');
foreach (string key in keys)
{
if (String.IsNullOrEmpty(key)) continue;

ArrayList sort = new ArrayList();
foreach (string s in keys)
{
if (s.IndexOf(key) >= 0) sort.Add(s);
}
if (sort.Count > 1) sort.Sort(new SortComapre());//按包含关系排序
groups.Add(key, sort);
}

#endregion

#region 重新组合关键词 - 按关键词分组关系重新组合

ArrayList result = new ArrayList();

foreach (DictionaryEntry g in groups)
{
foreach (string s in (g.Value as ArrayList))
{
if (!result.Contains(s)) result.Add(s);
}
}

#endregion

//输出关键词组合，逗号分开
StringBuilder sb = new StringBuilder();
foreach (string s in result) sb.Append(s + ",");

return sb.ToString();
}
catch (Exception ex)
{
return keyWords;
}
}

}

//来源:C/S框架网(www.csframework.com) QQ:23404761

C# Code:

/// <summary>
/// 排序比较。被包含的词置后。比如：api,webapi 输出==> webapi,api， api被包含，排序放后面
/// </summary>
public class SortComapre : IComparer
{
public int Compare(object x, object y)
{
if (x == null && y == null) return 0;
if (x == null && y != null) return -1;
if (x != null && y == null) return 1;

x = x.ToString().ToLower();
y = y.ToString().ToLower();

if (x.ToString() == y.ToString())
return 0;
else if (x.ToString().Contains(y.ToString()))
return -1;
else if (y.ToString().Contains(x.ToString()))
return 1;
else
return 0;
}

}

//来源:C/S框架网(www.csframework.com) QQ:23404761

参考文章：

模拟搜索引擎中文自动分词算法精华（CSFramework特别提供C#源码）

http://www.csframework.com/archive/1/arc-1-20200307-2768.htm

C#模拟百度搜索长词自动语义匹配，使用分词算法抽取关键词

http://www.csframework.com/archive/1/arc-1-20200304-2762.htm

C#使用分词算法从文本字符串中抽取关键词模拟百度搜索

http://www.csframework.com/archive/1/arc-1-20200304-2761.htm

：

参考文档：

System.Web.HttpUtility 对URL/HTML字符串进行编码|C#源码
HtmlAgilityPack编程 - 使用DocumentNode.InnerText去除HTML标签-C/S开发框架
使用HtmlAgilityPack.HtmlDocument彻底清除HTML标签-C/S开发框架
HtmlAgilityPack编程 - 替换样式(style)的值-C/S开发框架
HtmlAgilityPack编程 - HtmlDocument删除html的样式-C/S开发框架
C#使用正则表达式移除所有的Html标记,返回纯文本-C/S开发框架
[电子商务]全诚商城生成HTML门户版 v4.0_mhv4-源码下载
[电子商务]全诚商城生成HTML多用户版店中店系统 V5.0_dyhmf-源码下载
[电子商务]全诚商城生成HTML第三版普通版_qcshop3-源码下载
[电子商务]全诚商城生成HTML第三版免虚拟目录版_mxqcshop3
软件开发与设计 - BBS-电子布告栏系统-CCS v2.0 免安装html版数据库表结构
软件开发与设计 - EMS-电子商城系统-全诚商城生成HTML多用户版店中店系统 V5.0
ASP.NET Web Forms - HTML 页面
C# 从html中通过正则找到IP地址信息(只支持ipv4地址)
C# CodeHighlighter生成的高亮着色HTML源码格式化
C#使用正则表达式移除所有的Html标记,返回纯文本