開(kāi)源的搜索引擎工具包和web搜索引擎系統(tǒng)_第1頁(yè)
開(kāi)源的搜索引擎工具包和web搜索引擎系統(tǒng)_第2頁(yè)
開(kāi)源的搜索引擎工具包和web搜索引擎系統(tǒng)_第3頁(yè)
開(kāi)源的搜索引擎工具包和web搜索引擎系統(tǒng)_第4頁(yè)
開(kāi)源的搜索引擎工具包和web搜索引擎系統(tǒng)_第5頁(yè)
已閱讀5頁(yè),還剩4頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、開(kāi)源的搜索引擎工具包和web搜索引擎系統(tǒng)-austin liusfashion -博客園開(kāi)源搜索引擎工具包1. LuceneLucene是目前最為流行的開(kāi)放源代碼全文搜索引擎工具包, 隸屬于Apache基金會(huì),由資深全文索引/檢索專(zhuān)家DougCutting所發(fā)起,并以其妻子的中間名作為項(xiàng)目的名稱(chēng)。Lucene不是一個(gè)具有完整特征的搜索應(yīng)用程序,而是一個(gè)專(zhuān) 注于文本索引和搜索的工具包,能夠?yàn)閼?yīng)用程序添加索引與搜索能力。基于Lucene在索引及搜 索方面的優(yōu)秀表現(xiàn),雖然由Java編寫(xiě)的Lucene具有天生的 跨平臺(tái)性,但仍被改編為許多其他語(yǔ)言的版本:Perl、Python、C+、.Net等。同其他

2、開(kāi)源項(xiàng)目一樣,Lucene具有非常好的架構(gòu),能夠方便 地在其基礎(chǔ)上進(jìn)行研究與開(kāi)發(fā),添加新功能或者開(kāi)發(fā)新系 統(tǒng)。Lucene本身只支持文本文件及少量語(yǔ)種的索引,并且不具備 爬蟲(chóng)功能,而這正是Lucene的魅力所在,通過(guò)Lucene提供 的豐富接口,我們可以根據(jù)自身的需要在其上添加具體語(yǔ)言的分詞器,針對(duì)具體文檔的文本解析器等,而這些具體的功能實(shí)現(xiàn)都可以借助于一些已有的相關(guān)開(kāi)源軟件項(xiàng)目、甚至是商業(yè)軟件來(lái)完 成,這也保證了 Lucene在索引及搜索方面的專(zhuān)注性。目前, 通過(guò)在Lucene的基礎(chǔ)上加入爬行器、文本解析器等也形成了 一些新的開(kāi)源項(xiàng)目,如LIUS、Nutch等。并且Lucene的索引數(shù)據(jù)結(jié)構(gòu)

3、已經(jīng)成了一種 事實(shí)上的標(biāo)準(zhǔn),為許多搜索引擎所采用。2. LIUSLIUS 艮口 Lucene Index Update andSearch的縮寫(xiě),它是以L(fǎng)ucene為基礎(chǔ)發(fā)展起來(lái)的一種文本索 引框架,和Lucene 一樣,同樣可以看作搜索引擎開(kāi)發(fā)工具包。 它在Lucene的基礎(chǔ)上作了一些相應(yīng)的研究及添加了一些新的功能。LIUS借 助于許多開(kāi)源軟件,可以直接對(duì)各種不同格式/類(lèi)型的文檔進(jìn) 行文本解析與索引,這些文檔格式包括MS Word、MS Excel、MS PowerPoing、RTF、PDF、XML、HTML、TXT、OpenOffice 及 JavaBeans 等,對(duì) JavaBeans的

4、支持對(duì)于進(jìn)行數(shù)據(jù)庫(kù)索引非常有用,在用戶(hù)進(jìn)行對(duì)象關(guān)系映射(如:Hibernate JDO、TopLink、Torque等)的 數(shù)據(jù)庫(kù)連接編程時(shí)會(huì)變得更加精確。LIUS還在Lucene的基礎(chǔ)上增加了索引更新功能,使針對(duì)索引的維護(hù)功能進(jìn)一步完善。并且支 持混和索引,可以把同一目錄下與某一條件相關(guān)的所有內(nèi)容整合到一起,這種功能對(duì)于需要對(duì)多 種不同格式的文檔同時(shí)進(jìn)行索引時(shí)非常有用。 EgothorEgothor是一款開(kāi)源的高性能全文搜索引擎,適用于基于全 文搜索功能的搜索應(yīng)用,它具有與Luccene類(lèi)似的核心算 法,這個(gè)項(xiàng)目已經(jīng)存在了很多年,并且擁有一些積極的開(kāi)發(fā) 人員及用戶(hù)團(tuán)體。項(xiàng)目發(fā)起者LeoGal

5、ambos是捷克布拉格查理大學(xué)數(shù)學(xué)與物理學(xué)院的一名高 級(jí)助理教授,他在博士研究生期間發(fā)起了此項(xiàng)目。更多的時(shí)候,我們把Egothor看作一個(gè)用于全文搜索引擎的 Java庫(kù),能夠?yàn)榫唧w的應(yīng)用程序添加全文搜索功能。它提供 了擴(kuò)展的Boolean模塊,使得它能被作為Boolean模塊或者 Vector模塊使用,并且Egothor具有一些其他搜索引擎所不 具有的特有功能:它采用新的動(dòng)態(tài)算法以有效提高索引更新的速度,并且支持 平行的查詢(xún)方式,可有效提高查詢(xún)效率。在Egothor的發(fā)行 版中,加入了爬行器、文本解析器等許多增強(qiáng)易用性的應(yīng)用程序,融入了 Golomb、Elias-Gamma等 多種高效的壓縮方

6、法,支持多種常用文檔格式的文本解析, 如 HTML、PDF、PS、微軟Office文檔、XLS等,提供了 GUI的索引界面及 基于Applet或者Web的查詢(xún)方式。另外,Egothor還能被方 便地配置成獨(dú)立的搜索引擎、元數(shù)據(jù)搜索器、點(diǎn)對(duì)點(diǎn)的HUB等多種且體的應(yīng) 用系統(tǒng)。 XapianXapian是基于GPL發(fā)布的搜索引擎開(kāi)發(fā)庫(kù),它采用C+語(yǔ) 言編寫(xiě),通過(guò)其提供綁定程序包可以使Perl、Python、PHP、 Java、Tck、C#、Ruby等語(yǔ)言方便地使用它。Xapian還是一個(gè)具有高適應(yīng)性的工具集,使開(kāi)發(fā)人員能夠方 便地為他們的應(yīng)用程序添加高級(jí)索引及搜索功能。它支持信 息檢索的概率模型及豐

7、富的布爾查詢(xún)操作。Xapian的發(fā)布包通常 由兩部分組成:xapian-core及xapian-bindings,前者是核心 主程序,后者是與其他語(yǔ)言進(jìn)行綁定的程序包。Xapian為程序開(kāi)發(fā)者提供了豐富的API及文檔進(jìn)行程序的編 制,而且還提供了許多編程實(shí)例及一個(gè)基于Xapian的應(yīng) 用程序Omega,Omega由索引器及基于CGI的前端搜索組 成,能夠?yàn)?HTML、PHP、PDF、PostScript、OpenOffice/StarOffice、RTF等多種格式的文檔編制索引,通 過(guò)使用PerlDBI 模塊甚至能為 MySQL、PostgreSQL、SQLite、Sybase MSSQL、L

8、DAP、ODBC等關(guān)系數(shù)據(jù)庫(kù)編制索引,并能以CSV 或XML格式從前端導(dǎo)出搜索結(jié)果,程序開(kāi)發(fā)者可以在此基 礎(chǔ)上進(jìn)行擴(kuò)展。 CompassCompass是在Lucene上實(shí)現(xiàn)的開(kāi)源搜索引擎架構(gòu),相對(duì)比于 Lucene而言,提供更加簡(jiǎn)潔的搜索引擎API。增加了索引事務(wù)處理的支持,使其能夠更方便地與數(shù)據(jù)庫(kù)等事 務(wù)處理應(yīng)用進(jìn)行整合。它更新時(shí)無(wú)需刪除原文檔,更加簡(jiǎn)單 更加高效。資源與搜索引擎之間采用映射機(jī)制,此種機(jī)制使得那些已經(jīng)使用了 Lucene或者不支持對(duì)象及 XML的應(yīng)用程序遷移到Compass上進(jìn)行開(kāi)發(fā)變得非常容易。 Compass還能與Hibernate Spring等架構(gòu)進(jìn)行集成,因此如 果

9、想在Hibernate Spring項(xiàng)目中加入搜索引擎功能,Compass 是個(gè)極好的選擇。開(kāi)源Web搜索引擎系統(tǒng)1. NutchNutch 是 Lucene 的作者 DougCutting發(fā)起的另一個(gè)開(kāi)源項(xiàng)目,它是構(gòu)建于Lucene基礎(chǔ)上 的完整的Web搜索引擎系統(tǒng),雖然誕生時(shí)間不長(zhǎng),但卻以其 優(yōu)良血統(tǒng)及簡(jiǎn)潔方便的使用方式而廣收歡迎。我們可以使用Nutch搭建類(lèi)似Google的完整 的搜索引擎系統(tǒng),進(jìn)行局域網(wǎng)、互聯(lián)網(wǎng)的搜索。2. YaCyYaCy是一款基于P2P(peer-to-peer)的分布式開(kāi)源Web搜索引 擎系統(tǒng),采用Java語(yǔ)言進(jìn)行編寫(xiě),其核心是分布在數(shù)百臺(tái)計(jì)算機(jī)上的被稱(chēng)為YaCy

10、-peer的計(jì)算機(jī)程 序,基于P2P網(wǎng)絡(luò)構(gòu)成了 YaCy網(wǎng)絡(luò),整個(gè)網(wǎng)絡(luò)是一個(gè)分散 的架構(gòu),在其中所有的YaCy-peers都處于對(duì)等的地位,沒(méi)有統(tǒng)一的中心服務(wù)器,每 個(gè)YaCy-peer都能獨(dú)立的進(jìn)行互聯(lián)網(wǎng)的爬行抓取、分析及創(chuàng) 建索引庫(kù),通過(guò)P2P網(wǎng)絡(luò)與其他YaCy-peers進(jìn)行共享,并且每個(gè)YaCy-peer又都是 一個(gè)獨(dú)立的代理服務(wù)器,能夠?qū)Ρ緳C(jī)用戶(hù)使用過(guò)的網(wǎng)頁(yè)進(jìn)行 索引,并且采取多機(jī)制來(lái)保護(hù)用戶(hù)的隱私,同時(shí)用戶(hù)也通過(guò)本機(jī)運(yùn)行的Web服務(wù)器進(jìn) 行查詢(xún)及返回查詢(xún)結(jié)果。YaCy搜索引擎主要包括五個(gè)部分,除普通搜索引擎所具有 的爬行器、索引器、反排序的索引庫(kù)外,它還包括了一個(gè)非 常豐富的搜索與

11、管理界面以及用于數(shù)據(jù)共享的P2P網(wǎng)絡(luò)。開(kāi) 源桌面搜索引擎系統(tǒng)1. Regainregain是一款與Web搜索引擎類(lèi)似的桌面搜索引擎系統(tǒng),其不同之處在于regain不是對(duì)Internet內(nèi)容的搜索,而是針對(duì)自己的文檔或文件的搜索,使用regain可以輕 松地在幾秒內(nèi)完成大量數(shù)據(jù)(許多個(gè)6)的搜索。Regain采 用了 Lucene的搜索語(yǔ)法,因此支持多種查詢(xún)方式,支持多索引的搜索及基于文件類(lèi)型 的高級(jí)搜索,并且能實(shí)現(xiàn)URL重寫(xiě)及文件到HTTP的橋接, 并且對(duì)中文也提供了較好的支持。Regain提供了兩種版本:桌面搜索及服務(wù)器搜索。桌面搜索 提供了對(duì)普通桌面計(jì)算機(jī)的文檔與局域網(wǎng)環(huán)境下的網(wǎng)頁(yè)的 快速

12、搜索。服務(wù)器版本主要安裝在Web服務(wù)器上,為網(wǎng)站及 局域網(wǎng)環(huán)境下的文件服務(wù)器進(jìn)行搜索。Regain使用Java編寫(xiě),因此可以實(shí)現(xiàn)跨平臺(tái)安裝,能安裝于Windows Linux、MacOS及Solaris上。服務(wù)器版本需要JSPs環(huán)境及標(biāo)簽庫(kù)(tag library),因此需要安裝一個(gè)Tomcat容器。而桌面版自帶了 一個(gè)小型的Web服務(wù)器,安裝非常簡(jiǎn)單。2 ZilverlineZilverline是一款以L(fǎng)ucene為基礎(chǔ)的桌面搜索引擎,采用了 Spring框架,它主要用于個(gè)人本地磁盤(pán)及局域網(wǎng)內(nèi)容的搜索,支持多種語(yǔ)言,并且具有自己的中文名字: 銀錢(qián)查打引擎。Zilverline提供了豐富的文檔格式的索引支 持,如微軟Office文檔、RTF、Java、CHM等,甚至能夠?yàn)闅w檔文件編制索引進(jìn)行搜 索,如zip、rar及其他歸檔文件,在索引過(guò)程中,Zilverline 從 zip、rar、chm等歸檔文件中抽取文件來(lái)編制索引。Zilverline可以 支持增量索引的方式,只對(duì)新文件編制索引,同時(shí)也支持定 期自動(dòng)索引,其索引庫(kù)能被存放于Zilverline能夠訪(fǎng)問(wèn)到的地方,甚至是DVD中。同 時(shí),Zilverline還支持文件路徑到URL的映射,這樣可以使 用戶(hù)遠(yuǎn)程搜索本地文件。Zilverline提供了個(gè)人及研究、商業(yè)應(yīng)用兩種許可方式,其發(fā) 布形式為一

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論