今天是2023年高考的第一天，身为高一学生的我也报名去体验了一下，感觉山东今年的语文和数学题都不是很难（至少比一模二模都简单）（当然我的成绩肯定是很糟糕）
祝愿所有考生都能取得好成绩！
这是什么
Algolia DocSearch 官网的 Slogan 是这样的：Free Algolia Search For Developer Docs，也就是说，Algolia 为开发者提供免费的搜索服务。
事实上这就是一个针对某个站点的搜索引擎，他会和搜索引擎一样对你的网站进行爬取，随后会向你提供一个 API 接口，用户在你的网站上搜索时只需调用该 API 即可。
可别小看它，下面的这些项目都采用了他们的服务：
另外在开始正文前特别说明一点：虽然文档搜索（DocSearch）是我们很多人对 Algolia 唯一的了解，但他们的业务不止于此。
如何使用
本文介绍的是向官方申请爬取的访问方式。根据其文档，你也可以自己运行爬虫后将数据上传到 Algolia 获取服务，有需要的请自行阅读研究：Run your own | DocSearch by Algolia
申请爬取
首先访问 DocSearch by Algolia，在此页面点击“Apply”，填写你的网站地址、邮箱以及开源地址（DocSearch 要求你的网站必须是开源的）。
申请后只需要等待官方给你发来邮件就可以了。Algolia 会发来两封邮件，分别告知你申请通过和爬取完成，根据本人经验这两封邮件的送达时间相差不超过15分钟。在收到第一封邮件前，我的等待时长为三天。
获取API信息
在官方发来的邮件中，提取出 appId apiKey 和 indexName 三个信息，然后根据自己使用的 Vuepress 框架的文档进行配置即可。
配置完成后，请尝试搜索一个关键词（确保你的网站中有文档包含这一关键词），如果正常返回了搜索结果，那么恭喜你已经完成了配置；如果你和我一样，搜什么都是 No Results，那么请继续往下看。
修改爬取配置
为什么完成爬取后仍然什么也搜不到？这是因为 Algolia 爬取时，只将每个页面匹配指定的元素选择器的元素下的文字建立索引，因此对于大多数情况我们需要手动指定选择器。
配置地址：Crawlers | Crawler Admin Console
在首页，点击你的应用程序，然后在新页面中点击左侧的 Editor：
在配置界面中是一个很长的 JS 文件，我们只需要关注前面这一部分：
new Crawler({
rateLimit: 8,
maxDepth: 10,
maxUrls: 5000,
startUrls: ["https://www.yixiangzhilv.com/"],
renderJavaScript: false,
sitemaps: ["https://www.yixiangzhilv.com/sitemap.xml"],
ignoreCanonicalTo: true,
discoveryPatterns: ["https://www.yixiangzhilv.com/**"],
schedule: "at 12:20 on Monday",
actions: [
{
indexName: "yixiangzhilv",
pathsToMatch: ["https://www.yixiangzhilv.com/**"],
recordExtractor: ({
helpers }) => {
return helpers.docsearch({
recordProps: {
lvl1: ".page-container h1",
content: ".theme-reco-default-content p, .content__default li",
lvl0: {
selectors: "p.sidebar-heading.open",
defaultValue: "Documentation",
},
lvl2: ".theme-reco-default-content h2",
lvl3: ".theme-reco-default-content h3",
lvl4: ".theme-reco-default-content h4",
lvl5: ".theme-reco-default-content h5",
lang: "",
tags: {
defaultValue: ["v1"],
},
},
aggregateContent: true,
});
},
},
],
...
}
其中startUrls pathsToMatch等参数大家根据自己需要配置即可，需要注意的就是某些时候可能初次生成的文档中这里列举的 URL 不是网站根目录，而是/docs/**等，大家注意甄别。另外，如果是前端渲染的项目，需要开启renderJavaScript选项（2023.7.12补充：我最开始没开启也成功了，后来开始报错，才发现这个问题，不知道之前为什么不开启也可以）
我们重点要关注的是recordProps。下面我放出我拿到的默认配置和我修改后的配置，大家可以对比一下：
默认配置
recordProps: {
lvl1: ".content__default h1",
content: ".content__default p, .content__default li",
lvl0: {
selectors: "p.sidebar-heading.open",
defaultValue: "Documentation",
},
lvl2: ".content__default h2",
lvl3: ".content__default h3",
lvl4: ".content__default h4",
lvl5: ".content__default h5",
lang: "",
tags: {
defaultValue: ["v1"],
},
},
修改后的配置
recordProps: {
lvl1: ".page-container h1",
content: ".theme-reco-default-content p, .content__default li",
lvl0: {
selectors: "p.sidebar-heading.open",
defaultValue: "Documentation",
},
lvl2: ".theme-reco-default-content h2",
lvl3: ".theme-reco-default-content h3",
lvl4: ".theme-reco-default-content h4",
lvl5: ".theme-reco-default-content h5",
lang: "",
tags: {
defaultValue: ["v1"],
},
},
:::
::::
看出区别了吗？其实就是我们需要根据自己网站的正文在 HTML 文档中的所处元素位置来告诉 Algolia 要从什么元素提取文字。如对于我使用的 vuepress-theme-reco 主题，就需要从 .theme-reco-default-content 中提取：
修改好后，在网站右侧的 URL Tester 中可以输入自己网站某个界面的网址进行测试（注意选择正文界面而非首页，毕竟首页并没有东西用来建索引），如果看到 Records 中有内容就是成功啦。
在此之后点击上图中 4 标注的小眼睛回到 Overview 界面，点击右上角的 Restart crawling 按钮重新启动爬虫，然后耐心等待爬取完成就可以啦！
