#LBTSE

本项目为北大搜索引擎TSE的完整源代码（包括索引和爬虫两个独立项目的源代码），TSE 为《搜索引擎——原理、技术与系统》一书介绍的实现原型，有兴趣的朋友可以参考该书学 习TSE。

《搜索引擎——原理、技术与系统》提供的源码下载地址http://sewm.pku.edu.cn/book/
经常不能访问，这里我将以前下载学习的加入详细注释的源代码开放出来，不仅有注释的 源代码，还有一份详细的学习笔记—— CSDN博客专栏地址为： http://blog.csdn.net/column/details/inside-tse.html ，希望对入门的朋友有一些帮 助。

目录说明：

tse081227 —— TSE的网页搜集子系统（爬虫）。

index —— TSE的预处理和查询服务子系统，该目录非常大，其实不是因为源代码大，而是 因为其中的 index/Data/Tianwang.raw.2559638448 非常大，该文件为爬虫爬 取的原始网页数据。

另外，原始的 index/Data/Tianwang.raw.2559638448 文件有三百多兆，上传时提示超出 了 git.oschina.net/ 文件的最大限制（100M），所以将文件内容删掉了很多，为了得到 较小的文件，这个对于整个系统的运行没有任何影响，因为它只是爬取的原始网页数据， 可以多可以少。