万文多图之搜索引擎使用教程(建议收藏)

亦凉 2022-09-16 14:15 271阅读 0赞

大家好，我是herosunly，985院校硕士毕业，现担任算法研究员一职。CSDN博客专家，2020年博客之星TOP。曾获得阿里云天池比赛第一名、科大讯飞比赛第一名、CCF比赛第一名等Top名次，拥有多项发明专利。对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法行业就业。其中经常被同学和同事夸赞的一项能力就是`搜索`，所以今天特意给大家分享搜索引擎使用方法，希望能对大家有所帮助。如果大家觉得有用，请帮忙点赞评论收藏（一键三连），谢谢大家的支持~  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center]  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlcm9zdW5seQ_size_16_color_FFFFFF_t_70_20_20_pic_center][]

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 1]

### 文章目录 ###

*  1. 写在前面的话
 *  2. 搜索引擎的选择
 *  3. 搜索符号语言
 *   *  3.1 精确搜索(双引号)
     *  3.2 指定网站搜索(site:)
     *  3.3 或运算(OR)
     *  3.4 非运算(减号)
     *  3.5 改变运算顺序(小括号)
     *  3.6 同义词(波浪号)
     *  3.7 通配符(星号)
     *  3.8 范围表示符(两个点)
     *  3.9 时间范围表示符(datarange:)
     *  3.10 指定文件格式(filetype:)
     *  3.11 英语单词详细解释(define:)
     *  3.12 查找相关网站(related:)
     *  3.13 在URL、标题、主题、正文中搜索
 *  4. 搜索思维浅谈

# 1. 写在前面的话 #

对于小白编程者来说，无论是在编程过程中，还是在软件安装、配置、使用过程中，往往都会遇到各种意料之外的Bug，但很多时候遇到Bug后不知所措，就很容易从入门走向放弃。  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlcm9zdW5seQ_size_16_color_FFFFFF_t_70_20_pic_center][]

时至今日，当有同学在群里提问时，也不时会看到下图的解决方案，即通过百度或者其他搜索引擎来解决问题：  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlcm9zdW5seQ_size_16_color_FFFFFF_t_70_pic_center][]

但问题来了，究竟如何使用搜索引擎呢？以及如何更高效的使用搜索引擎呢？  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlcm9zdW5seQ_size_16_color_FFFFFF_t_70_20_pic_center 1][]

# 2. 搜索引擎的选择 #

![  ][20210420122618156.png_pic_center]  
  简单的说就是一句话，优先谷歌，百度备选。主要原因在于以下几点：

1.  谷歌广告少，百度广告多。
2.  在技术问题的解决方案上，谷歌的结果来自全世界的开发者，而百度主要来源于中国的开发者。众人拾柴火焰高，这也就是为什么搜索技术问题优先使用谷歌的最重要原因。

至于如何能用上谷歌，不在本文讨论范围内。**请自行解决**。

# 3. 搜索符号语言 #

除了最简单而且常用的搜索方法，即在搜索框中输入内容进行搜索以外，还可以通过符号来使用更高级的搜索功能。

## 3.1 精确搜索(双引号) ##

最精确的搜索方法是对关键词加上**双引号**，就能得到和关键词完全吻合的搜索结果。

比如在输入"python network" tutorial，此时就会把python和network当成一个整体来进行搜索。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlcm9zdW5seQ_size_16_color_FFFFFF_t_70_pic_center 1]  
  而不输入双引号，则在第三页出现以下结果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlcm9zdW5seQ_size_16_color_FFFFFF_t_70_pic_center 2]  
  精确搜索可使用在形容词+名词或者多个名词构成的**地名、人名和专用名词**的情况下，帮助用户完成结果筛选，在搜索信息较为常见或者搜索结果较多时使用最佳。

## 3.2 指定网站搜索(site:) ##

对于个人搜索而言，本质上是在合适的来源找到想要的内容。但如果直接使用搜索引擎，往往会得到很多冗余的数据源，所以需要花费大量的时间进行筛选和鉴别，从而得到有效的信息。

如果平日内进行了大量的积累，直接在指定源上搜索就能够大大提高解决问题的效率，比如在debug时可以在stackoverflow上进行搜索，亦或者在CSDN上寻找优秀学习教程：

搜索关键词为：module ‘aioredis’ has no attribute ‘create\_redis’ site:stackoverflow.com  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 2]  
  搜索关键词为：阿里云冠军经验分享 site:csdn.net  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 3]

## 3.3 或运算(OR) ##

通过或运算可以同时搜索两个关键词或者关键词组(需要注意的是要用**大写的OR**)：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlcm9zdW5seQ_size_16_color_FFFFFF_t_70_pic_center 3]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlcm9zdW5seQ_size_16_color_FFFFFF_t_70_pic_center 4]  
  或运算可以提高搜索的容错率，尤其是在未能确定哪个关键词是最重要的搜索关键词时使用。值得一提的是，OR的同义运算符为|(竖杠)，用OR或者|均可。

## 3.4 非运算(减号) ##

非运算是用在明确排除掉部分信息时使用，比如只想保留多义词中的某一个特定的含义。

首先以python为例；  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 4]  
  python是个多义词，它不仅是最热门的编程语言，而包含了大蟒蛇的意思。通过非运算可以删除掉大蟒蛇的搜索结果。可以看到搜索结果减少了三千万。  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16]

## 3.5 改变运算顺序(小括号) ##

涉及到复杂运算后，运算顺序是极其重要的。那如何保证运算顺序是自己想要的呢？可以使用小括号来达到上述效果。

上文中使用了python book OR java book，那如何进行简化呢？如下图所示：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16 1]

## 3.6 同义词(波浪号) ##

有时想在保留搜索关键词语义的基础上增加搜索到的结果，那该如何进行操作呢？具体来说比如想查找Python的相关教程，可以搜索python tutorial，但包含教程的关键词不仅为tutorial，也可能是lecture或者seminar。  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 5]  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 6]  
  由上图可见，使用波浪号即同义词表示后，搜索结果多了**四个亿**，是不是很有用啊。在搜索结果寥寥无几时，可能是个很不错的选择。

## 3.7 通配符(星号) ##

一般来说，通配符星号(\*)主要是用在表示文件路径中。但在搜索引擎中，它可以用来缺失的关键词，比如只记得某个函数名称的一部分时，可以使用星号进行表示。例如，在机器学习常用库Numpu中有个很常用的API：concatenate，但只能隐隐约约想起前几个字母，如下图所示：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16 2]

## 3.8 范围表示符(两个点) ##

在实际生活或者工作中，往往需要查阅多年的数据，比如1990年到2021年中国的GDP、1974年到2021年的美国总统。那该如何进行表示呢？

以1974年1974年到2021年的美国总统为例，在输入框中输入American president 1974…2021，如下所示：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 7]

在链接为[https://www.loc.gov/rr/print/list/057\_chron.html][https_www.loc.gov_rr_print_list_057_chron.html]中可以查阅到相关数据，其中第一列为总统，第二列为总统夫人，第三列为副总统。  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 8]  
  范围表示符不仅能表示时间范围，也能够表示其他的范围。但表示时间范围上颗粒度过大，是否有更精确的查询方法呢？

## 3.9 时间范围表示符(datarange:) ##

对于上文中的提问，答案是使用datarange:time1-time2，需要注意的是time1和time2的时间格式为朱利安(Julian time format)。可点击链接[http://www.longpelaexpertise.com.au/toolsJulian.php][http_www.longpelaexpertise.com.au_toolsJulian.php]将时间进行转换。比如想查询2021年1月1日到2021年10月24日新冠感染人数，输入则应为COVID-19 infected number daterange:21001-21141，如下图所示：

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 9]  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16 3]

## 3.10 指定文件格式(filetype:) ##

使用该操作符能够快速找到包含指定格式的文件，该操作适用于各种文件格式，例如PDF文件、word文档、PPT幻灯片、excel表格等格式。

举例来说，我们已知神经网络与深度学习这本书的PDF文件是开源的，想下载后进行深入学习，则可输入搜索关键词为：神经网络与深度学习 filetype:pdf，如下图所示：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 10]  
  可得到该书的对应下载链接为[https://nndl.github.io/nndl-book.pdf][https_nndl.github.io_nndl-book.pdf]。

## 3.11 英语单词详细解释(define:) ##

在学习英语单词时，学习单词对应的中文含义往往并不能准确理解该单词，尤其是部分单词中文含义相同之时，此时最好的学习方法就是查阅它的英文解释。比如我们想查询machine learning对应的详细解释，则可输入搜索关键词为：define: machine learning，如下图所示：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 11]  
  顺便说一句，百度并不支持上述功能，哈哈。

## 3.12 查找相关网站(related:) ##

如果对谷歌的PageRank算法有所了解的话，就会知道在谷歌的数据中网站之间是相互引用的。所以就可以轻松的查找到相关的网站。比如，我想了解与Python官网相关联的网站，则可输入搜索关键词为：related:python.org，如下图所示：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 12]  
  可以看到相关网站也是常用的几门编程语言等。但美中不足的是，**该功能仅可用在体量较大的国际网站上。**

## 3.13 在URL、标题、主题、正文中搜索 ##

为了简单起见，方便给大家进行演示，每项的搜索内容均为python。

*  在URL中搜索：inurl:python  
    ![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 13]
 *  在标题中进行搜索：intitle:python
 *  在主题中进行搜索：insubject:python
 *  在文本中进行搜索：intext:python

# 4. 搜索思维浅谈 #

搜索思维本质上是把自然语言（人类语言）表达成更让机器容易理解的形式。那什么样的表达机器更容易理解呢？相比于复杂的句子而言，机器更容易理解若干个**词**。在早些年使用搜索引擎时，使用若干个词进行搜索效率要比用句子高太多倍。随着自然语言处理领域的蓬勃发展，神经网络模型已经能够理解句子的语义，所以使用句子进行搜索也能够达到较好的效果。但如果发现搜索结果并不如意，不妨尝试自己提取句子中的关键词进行搜索。

[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center]: /images/20220828/c74c39132c6a49d7894b5ef23bb8d323.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlcm9zdW5seQ_size_16_color_FFFFFF_t_70_20_20_pic_center]: /images/20220828/9474a4c88c53462abf3e8dc5e561b7ed.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 1]: /images/20220828/5f729389e3744cfcb653b71eee0786e7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlcm9zdW5seQ_size_16_color_FFFFFF_t_70_20_pic_center]: /images/20220828/118e05fd8aa24451af9116add4c414d1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlcm9zdW5seQ_size_16_color_FFFFFF_t_70_pic_center]: /images/20220828/216fff22ccf44b069c9d9c37c3cc772f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlcm9zdW5seQ_size_16_color_FFFFFF_t_70_20_pic_center 1]: /images/20220828/93bc9c0be1434c6099966d483f0a5210.png
[20210420122618156.png_pic_center]: https://img-blog.csdnimg.cn/20210420122618156.png#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlcm9zdW5seQ_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20220828/1a7ab5d8c6a24c679ed69f5ba1b8f21e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlcm9zdW5seQ_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20220828/b008aa47984145969b3954881d381e4e.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 2]: /images/20220828/2b55ab5e7b7b44e5a1a2fc90703a6108.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 3]: /images/20220828/3afba0b19de04cbab95afe3965a0768c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlcm9zdW5seQ_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20220828/cd5a4730d06c45dbb8bf098b55d1e8fe.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hlcm9zdW5seQ_size_16_color_FFFFFF_t_70_pic_center 4]: /images/20220828/136f135d8a7c408ba61715110a4b4b52.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 4]: /images/20220828/9b61b30d90cb4adc887c118aa9561830.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/5b6cdfa9739f4a69be641948f1c3e2e3.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220828/96b7476cc6994307a2814b7dc7b1c958.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 5]: /images/20220828/c6b7f5b1fac34364b7119ced48b4b046.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 6]: /images/20220828/15f97796b89245ec82ffe531a9959f9b.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16 2]: /images/20220828/038228ffc1af49219d81069c4f9622df.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 7]: /images/20220828/0cd2c60f495b4af3af8638b1014d1bdd.png
[https_www.loc.gov_rr_print_list_057_chron.html]: https://www.loc.gov/rr/print/list/057_chron.html
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 8]: /images/20220828/a5a18941ac92421eab2c17c9ff76b296.png
[http_www.longpelaexpertise.com.au_toolsJulian.php]: http://www.longpelaexpertise.com.au/toolsJulian.php
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 9]: /images/20220828/e52acacfc15743ffab0a39515ee9e6cf.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16 3]: /images/20220828/336e3826fe524d239c43451cadac9a96.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 10]: /images/20220828/d84edcada4a446dc8e984c7bcc49efc2.png
[https_nndl.github.io_nndl-book.pdf]: https://nndl.github.io/nndl-book.pdf
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 11]: /images/20220828/1af59380312d458cb40e6f1ee1bcbde1.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 12]: /images/20220828/1d8c75c324ce4b83b74dced27033ae69.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAaGVyb3N1bmx5_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 13]: /images/20220828/9011f429dd314013a8275728ea52c874.png