随着数字校园的发展,校园网络信息呈现爆炸式的增长,信息的查找和定位变得更为困难,目前一般采用通用搜索引擎的站内搜索来进行信息的查找,但是由于通用搜索引擎往往不能及时收录最新发布的消息,并且校园网内有些使用二级域名或者直接使用IP地址访问的网站不容易被通用搜索引擎收录,所以使用传统的通用搜索引擎来搜索校园网的信息,越来越不方便。针对上述问题,本文以燕山大学校园网为研究对象,在分析了网络搜索引擎的原理、核心模块和运行流程的基础上,探索性地研究并实现了一个在Linux平台下基于Python技术的面向校园网的原型搜索引擎。首先,本文给出了搜索引擎的简要工作流程,介绍搜索引擎中的一些关键的技术,并着重分析了目前广泛运用的BM25搜索引擎检索模型。其次,通过使用基于Python语言的Scrapy开源爬虫框架,Beautiful Soup网页解析库,对搜索引擎的爬虫模块进行开发,指出了Scrapy框架原有的URL去重方法会导致针对大规模网站抓取时,内存耗费过大的问题,并提出了一种使用布隆过滤器对Scrapy爬虫框架的URL去重功能进行改进的方案。同时,根据实际经验,提出了两种防止爬虫被ban的策略。再次,利用基于Python语言的Whoosh索引检索库,对本系统索引检索模块进行开发。针对Whoosh对中文分词效果不好的问题,提出了使用jieba开源分词组件来对Whoosh的中文分词功能进行改进。通过使用基于Python语言的Flask框架,来实现用户界面,使用户可以通过网页端使用本校园搜索引擎系统。最后,对原型系统进行测试,并与谷歌、百度两大通用搜索引擎的站内搜索结果做比较,测试证明,本原型系统的搜索结果,要略好一些。