当今,互联网已成为人类有史以来资源最多、品种最全、规模最大的信息库。作为网上最主要的信息检索工具,搜索引擎发挥着非常重要的作用。传统的搜索引擎大都是基于HTML的搜索引擎,HTML重显示而非内容的特点大大限制了搜索引擎的查准率,传统搜索引擎的查准率亟待提高。现在,一种可扩展标记语言XML开始慢慢发展起来,越来越多的文档开始用XML语言来描述、存储和交换。XML的标记含义丰富、意义明确,能明白的提示所标记的内容,搜索引擎可以依靠标记和内容之间的依存关系,准确定位、找到目标,从而大大减小搜索范围,提高检索精度。在这种发展背景下,本文对面向XML文档的搜索引擎进行了研究。 首先,本文设计了面向XML文档的搜索引擎的模型,介绍了模型的设计思想及大体框架。模型包括机器人模块、转换模块、解析模块、索引模块和查询模块这几部分。本文详细描述了各个模块的结构和实现思想,并给出了部分模块的具体实现。 接着,本文介绍系统的索引模块。针对XML文档的特点,本文设计的索引模块包括节点结构构造器和索引器,其中索引器用来为XML文档建立索引。文章对XML文档的结构和内容都建立了索引,并对索引的实现方法进行了详细论述。 最后,本文介绍了搜索引擎的查询模块。它包括查询执行器、解释器和用户界面。配合已建立的索引,根据用户有无输入关键词的区别分别设计了两种界面,在界面上提供一种导航式的策略,引导用户逐级的找到自己所要查找的类别的结构定义,使得用户可用此类别结构中的标签来限定上下文关系,从而准确找到自己所需要的信息,充分体现了利用XML语言查询的优势。