本地语料很多？爬到的文档很多？运行出很多无序结果？我们经常面对一些搜索引擎无法检索的文本/或其它程序运行结果，想要对这些内容进行检索、按相关性排序等。MySearch是我用python3写的，目的在于方便中英文检索的小脚本，中文分词支持jieba或者pkuseg，相关性排序基于sklearn的tf-idf计算。另，想要使用其他切词包的，可以先自行切词，调整输入格式后，再使用.Train(Iterable, 'e')，仍可以运用搜索。
1.检索模型、语料库的建立（训练） -- 保存 -- 使用 -- 添加语料（从列表/目录） -- 删除 -- 部分删除
2.根据搜索词汇，对Iterable元素（元素为字符串）进行相关性排序，返回序列号等，输入为该Iterable对象。
3.根据搜索词汇，对指定目录下的文件进行相关性排序，返回文件名序列号等，输入为目录名str。
上述功能基本已经实现，but目前 添加语料（从列表/目录）到已有库中，实现起来比较垃圾（需要重新训练Train()一次），另外，待检索内容如果在文件中，那么只支持encoding='utf-8'，或'gbk'编码（垃圾），我可能会抽空把这个改好的，，呵呵吧。
默认停用词存放在stop_words.txt，可自行修改，也可以在使用 add_stopwords() 函数添加
默认用户词存放在userdict.txt，可自行修改，也可以在使用 add_userword() 函数添加
add_stopwords()或add_userword() 使用后，将在下一次self.Train()使用时生效
不支持安装成python包。需要手动（垃圾）将"MySearch.py","stop_words.txt","userdict.txt"置于python3项目文件夹中，即可在项目中使用import MySearch加载MySearch.py，之后使用MySearch.func()即可使用MySearch中的函数func()。
t = MySearch() #不带参数表示默认使用jieba进行中文分词
or
t = MySearch('pkuseg') #使用pkuseg进行中文分词
2.1 如果当前这个t类使用了t.Train(),那么优先从刚建立好的检索模型中检索query_str
2.2 即使当前这个t类使用了t.Train(),但是检索的时候给了corpus_name参数，那么会从corpus_name指定的语料库中检索query_str，如果corpus_name指向的语料库不存在或者其检索模型受损，将会查询失败。
2.3 如果当前这个t类没使用t.Train(),而且也没有给出corpus_name，那么会从默认的语料库中检索，如果默认库不存在或者受损，将会查询失败。
2.4 如果当前这个t类没使用t.Train(),而给出了corpus_name参数，那么当然会从corpus_name指定的语料库中检索query_str，同样的，如果corpus_name指向的语料库不存在或者其检索模型受损，将会查询失败。
2.5 返回值：list[dict, dict, ..., dict]，其中：dict{'index', 'score', 'content'} or dict{'index', 'score', 'filename', 'content'}。list按照dict的score从大到小排序，score为该dict对应的文档/待搜索内容的tf-idf得分，index为其在原序列中的序列号，content即是内容，存在文件时，filename为文件名。
注一下：保存好的语料库是以'_corpus'结尾的文件夹，检索模型是'_model'结尾的文件，你可以使用.SaveModel()来保存语料库和检索模型，但是t.SaveModel()之前得t.Train()一下，否则没有可保存的模型，也会发生错误。.Train()的用法？往下看...
Train()将使用argc中的element作为语料文本建立检索模型。
:param argc: argc支持str类型和其它Iterable（list, tuple等，其element应为str类型，表示文本）型变量：
argc为str类型时，argc代表语料文件夹目录，Train()将使用该目录下的文档建立检索模型。
argc为Iterable类型时，argc即待训练语料库，argc中的element应为str类型，表示语料文本，
:param e: e默认为None，启用jieba或pkuseg，当待使用文本为纯英文或其它 *由空格隔开* 无需分词的语料时，可以令e='e',将不使用jieba、pkuseg，可一定程度提高效率，但用户词汇无效。
:return:成功返回'scipy.sparse.csr.csr_matrix'型稀疏矩阵，文本（行）-词（列）-词频（内容），不需要分析时可以忽略该矩阵；失败将报错。
添加停用词
添加词汇，用来优化中文分词，使jieba、pkuseg语料库中没有的词能正确切分。
向指定语料库添加语料文档，并更新检索模型 （垃圾）
向corpus_name指定的语料库中添加语料文档，语料文档来自corpus_name2指定的语料库，当corpus_name2为None时，
默认为self.Train()生成的检索模型和其语料库。filename参数可用于给新添加的文档命名，格式错误时视为没有该参数,
默认为保存原名称或者按其在原语料库中的Index序号命名。另，名称与新语料库中的名称相同时，将增加‘-副本’后缀
获取当前默认的搜索库名称
调整默认搜索库，参数为新库名称,有默认搜索库时，将调整为新搜索库，没有默认搜索库时将设置
删除保存好的语料库，参数为None时删除self.corpus_name指定的语料库，语料库不存在将报错
删除保存好的语料库的部分语料文档document，documents是文档名称列表，corpus_name指定的语料库不存在将报错
2019.1
创建富含bug的代码，并修补了一些bug
完善对功能边界的定义、拓展了对pkuseg分词的支持等
2019.2.2
修复SaveModel()中的一处bug
对于文件夹中的训练语料，扩展支持gbk编码
将__use_model()改为use_model()，方便管理保存的模型#使用t.use_model('corpus_name')可以依据保存的模型生成t.tfidf、t.word_dict，可用于查看模型，前者为'scipy.sparse.csc.csc_matrix'型稀疏矩阵，表示词（行）-文本（列）-tfidf（内容），其中行列都是由隐示的序号表示，词-序号保存在t.word_dict字典中，词（key）-序号(value)，文本序号为文件夹中文件按名称名称排序的序号/或者Iterable对象中的顺序。
Train()的返回值改为'scipy.sparse.csr.csr_matrix'型稀疏矩阵，文本（行）-词（列）-词频（内容），方便查看词频，不需要分析时可以忽略该矩阵。