Search Engine based on Topic-specific Crawler and TF-IDF Algorithm 网页的爬取：crawl.java Initialize函数处理种子url 1.访问初始网页并下载，同时回传该网页读取到的内容（读取网页的函数将在下文说明）。 2.根据正则表达式提取title，并保存为下载来的网页的保存名称，为后续的保存做准备 下载到的网页

3.1 倒排索引 （1）网页预处理。对实验一采集到的网页数据进行预处理，包括但不限于：正文信息提取、中文分词、停止词处理等。 （2）设计和创建倒排索引。对每个索引的词，至少应该记录其文件频率（df）。设计置入文件的数据结构，至少记录每个词在各个文档中出现的次数，即词频（tf）。同时对每个文档，记录其文档长度。 （3）对索引的过程，生成相关的统计信息，例如：创建索引所需的时间、索引的大小、词汇表长度等。   3.2检索系统         （1）设计实现一个简单的检索系统，可输入检索词，并输出查询结果，按相关度排序。         （2）对指定的查询词（IR2021查询词.txt），给出每个查询结果排序，以及相似度得分。所提交的结果将被评估。 提交的结果文件有查询结果的数据块构成。每个查询词对应一个结果数据块，每个查询词提交10条查询结果。每个结果数据块格式如下： 第一行是查询词序号，如“TD01” 每一行是一条查询结果记录，格式为：  URL：网页的规范化URL Similarity：相似度得分 每个数据块的十条记录按相似度从高到低排序，每个数据块之间以一个空行隔开。   3.3检索优化及系统评测 选做以下之一： （1）对结果进行人工判断相关或不相关，然后基于该判断用评测指标Precision@10和MAP计算系统的检索性能指标。 （2）拼写检查：针对用户拼写错误或关键字生僻而导致搜索结果不佳的问题，提供相近的词建议。该功能可通过查询案例来展示。 4. 提交内容 程序：包括源程序及注释，程序安装使用说明； 查询结果文件：查询词对应查询结果汇总 实验报告：说明程序设计的思路，并对实验过程进行分析和总结。