13 款开源的全文检索引擎

3顶
0踩

2013-04-02 11:28 by 副主编 WnouM 评论(3) 有26342人浏览

搜索引擎 lucene java c++ Solr

本文转载自xum2008的博客，主要介绍13款现有的开源搜索引擎，你可以将它们用在你的项目中以实现检索功能。

1. Lucene

Lucene的开发语言是Java，也是Java家族中最为出名的一个开源搜索引擎，在Java世界中已经是标准的全文检索程序，它提供了完整的查询引擎和索引引擎，没有中文分词引擎，需要自己去实现，因此用Lucene去做一个搜素引擎需要自己去架构.另外它不支持实时搜索，但linkedin和twitter有分别对Lucene改进的实时搜素. 其中Lucene有一个C++移植版本叫CLucene，CLucene因为使用C++编写，所以理论上要比lucene快.

官方主页：http://lucene.apache.org/

CLucene官方主页：http://sourceforge.net/projects/clucene/

2. Sphinx

Sphinx是一个用C++语言写的开源搜索引擎，也是现在比较主流的搜索引擎之一，在建立索引的事件方面比Lucene快50%，但是索引文件比Lucene要大一倍，因此Sphinx在索引的建立方面是空间换取事件的策略，在检索速度上，和lucene相差不大，但检索精准度方面Lucene要优于Sphinx，另外在加入中文分词引擎难度方面，Lucene要优于Sphinx.其中Sphinx支持实时搜索，使用起来比较简单方便.

官方主页：http://sphinxsearch.com/about/sphinx/

3. Xapian

Xapian是一个用C++编写的全文检索程序，它的api和检索原理和lucene在很多方面都很相似，算是填补了lucene在C++中的一个空缺.

官方主页：http://xapian.org/

4. Nutch

Nutch是一个用java实现的开源的web搜索引擎，包括爬虫crawler，索引引擎，查询引擎. 其中Nutch是基于Lucene的，Lucene为Nutch提供了文本索引和搜索的API.

对于应该使用Lucene还是使用Nutch，应该是如果你不需要抓取数据的话，应该使用Lucene，最常见的应用是：你有数据源，需要为这些数据提供一个搜索页面，在这种情况下，最好的方式是直接从数据库中取出数据，并用Lucene API建立索引.

官方主页：http://nutch.apache.org/

5. DataparkSearch

DataparkSearch是一个用C语言实现的开源的搜索引擎. 其中网页排序是采用神经网络模型. 其中支持HTTP，HTTPS，FTP，NNTP等下载网页.包括索引引擎，检索引擎和中文分词引擎(这个也是唯一的一个开源的搜索引擎里有中文分词引擎).能个性化定制搜索结果，拥有完整的日志记录.

官方主页：http://www.dataparksearch.org/

6. Zettair

Zettair是根据Justin Zobel的研究成果为基础的全文检索实验系统.它是用C语言实现的. 其中Justin Zobel在全文检索领域很有名气，是业界第一个系统提出倒排序索引差分压缩算法的人，倒排列表的压缩大大提高了检索和加载的性能，同时空间膨胀率也缩小到相当优秀的水平. 由于Zettair是源于学术界，代码是由RMIT University的搜索引擎组织写的，因此它的代码简洁精炼，算法高效，是学习倒排索引经典算法的非常好的实例. 其中支持linux，windows，mac os等系统.

官方主页：http://www.seg.rmit.edu.au/zettair/about.html

7. Indri

Indri是一个用C语言和C++语言写的全文检索引擎系统，是由University of Massachusetts和Carnegie Mellon University合作推出的一个开源项目. 特点是跨平台，API接口支持Java，PHP，C++.

官方主页：http://www.lemurproject.org/indri/

8. Terrier

Terrier是由School of Computing Science，Universityof Glasgow用java开发的一个全文检索系统.

官方主页：http://terrier.org/

9. Galago

Galago是一个用java语言写的关于文本搜索的工具集. 其中包括索引引擎和查询引擎，还包括一个叫TupleFlow的分布式计算框架(和google的MapReduce很像).这个检索系统支持很多Indri查询语言.

官方主页：http://www.galagosearch.org/

10. Zebra

Zebra是一个用C语言实现的检索程序，特点是对大数据的支持，支持EMAIL，XML，MARC等格式的数据.

官方主页：https://www.indexdata.com/zebra

11. Solr

Solr是一个用java开发的独立的企业级搜索应用服务器，它提供了类似于Web-service的API接口，它是基于Lucene的全文检索服务器，也算是Lucene的一个变种，很多一线互联网公司都在使用Solr，也算是一种成熟的解决方案.

官方主页：http://lucene.apache.org/solr/

12. Elasticsearch

Elasticsearch是一个采用java语言开发的，基于Lucene构造的开源，分布式的搜索引擎. 设计用于云计算中，能够达到实时搜索，稳定可靠. Elasticsearch的数据模型是JSON.

官方主页：http://www.elasticsearch.org/

13. Whoosh

Whoosh是一个用纯python写的开源搜索引擎.

官方主页：https://bitbucket.org/mchaput/whoosh/wiki/Home

来自: xum2008的博客

分享到：

3
顶

0
踩

评论共 3 条请登录后发表评论

3 楼 laigood12345 2013-04-17 10:12

elasticsearch的资料可以参考这里http://www.searchtech.pro

2 楼 AngelAndAngel 2013-04-07 09:41

ls太坏了

1 楼 dohkoos 2013-04-02 18:58

Lucene
Nutch
Solr
ElasticSearch

发表评论

您还没有登录,请您登录后再发表评论

相关推荐

8个基于Lucene的开源搜索引擎(推荐)

Lucene是一种功能强大且被广泛使用的搜索引擎，以下列出8种基于Lucene的搜索引擎，你可以想象他们有多么强大

13 款开源全文检索引擎

Lucene的开发语言是Java，也是Java家族中最为出名的一个开源搜索引擎，在Java世界中已经是标准的全文检索程序，它提供了完整的查询引擎和索引引擎，没有中文分词引擎，需要自己去实现，因此用Lucene去做一个搜素引擎...

开源的全文搜索引擎Elasticsearch

Elasticsearch是一个开源的全文搜索引擎，可以实现快速、实时的数据搜索和分析。它是基于Apache Lucene的搜索引擎库开发而来，提供了一个分布式、多租户的全文搜索引擎平台，能够支持海量数据的实时检索、聚合分析和...

13 款开源的全文搜索引擎

主要介绍13款现有的开源搜索引擎，你可以将它们用在你的项目中以实现检索功能。 1. Lucene Lucene的开发语言是Java，也是Java家族中最为出名的一个开源搜索引擎，在Java世界中已经是标准的全文检索...

开源全文搜索引擎MeiliSearch

MeiliSearch 是用 Rust 写的强大、快速、开源、易于使用和部署的搜索引擎。

开源全文搜索引擎汇总

Apache Lucene 是完全用 Java 编写的高性能、功能齐全的全文检索引擎架构，提供了完整的查询引擎和索引引擎、部分文本分析引擎。目的是为软件开发人员提供一个简单易用的工具包，以方便地在目标系统中实现全文检索的...

20款开源搜索引擎介绍与比较

使用开源搜索引擎，可以大大缩短构建搜索应用的周期，并可根据应用需求打造个性化搜索应用，甚至构建符合特定需求的搜索引擎系统。搜索引擎的开源，无论是对技术人员还是普通用户，都是一个福音。搜索引擎的工作...

Node.js-Ambar是一个开源文档搜索引擎具有自动抓取OCR标记和实时全文搜索功能

Ambar是一个开源文档搜索引擎，具有自动抓取，OCR，标记和实时全文搜索功能

ElasticSearch讲解（开源的、高拓展的分布式全文检索引擎）

ElasticSearch ，简称为es，是一个开源的、高拓展的分布式全文检索引擎，它可以近乎实时的存储、检索数据。

13款开源搜索引擎的介绍

Lucene的开发语言是Java, 也是java家族中最为出名的一个开源搜索引擎, 在java世界中已经是标准的全文检索程序, 它提供了完整的查询引擎和索引引擎, 没有中文分词引擎, 需要自己去实现, 因此用Lucene去做一个搜素引擎...

火端搜索引擎源码V2.0开源版_开源_V2_火端搜索程序_搜索引擎_

把程序上传到空间上即可运行(★★如果在子目录...之前使用1.X版本的站长需要全部重新覆盖本程序采用utf-8国际编码编写，请勿使用记事本修改代码，否则会出错。请用支持utf-8编码的编辑器修改，如notepad++、dreamweaver

基于Lucene全文检索引擎的应用研究

Lucene是一个强大的全文索引引擎工具包, 它的...介绍了一个高性能的全文检索引擎——Lucene开源系统，详细分析了Lucene的系统结构、全文索引机制,然后将其引入具体应用，给出了一个基于Lucene全文检索技术的具体实例。

Yiso智云搜索引擎开源PHP源码

Yiso 是一个性能极佳的搜索引擎，免费开源，亦可做收录网址平台使用！输入关键词即可获取相关的搜索结果内容 Yiso采用自主研发的 BiuSQL 数据库储存数据，不需要安装数据库，下载源码解压缩即可使用可自行添加...

13款开源搜索引擎

1. Lucene Lucene的开发语言是Java，也是Java家族中最为出名的一个开源搜索引擎，在Java世界中已经是标准的全文检索程序，它提供了完整的查询引擎和索引引擎，没有中文分词引擎，需要自己去实现，因此用Lucene去做...

20款开源搜索引擎

开源搜索引擎,全文检索推荐对比,提高查询速度

.NET5仓储管理系统：集成EFCore、Redis缓存、RabbitMQ等技术实现企业级应用

内容概要：本文详细介绍了基于.NET5开发的一个仓储管理系统，涵盖了多个关键技术的应用。首先，在数据访问方面，使用了EF Core进行ORM操作，并引入了全局逻辑删除和多租户过滤等功能。其次，权限管理部分采用Policy机制实现动态按钮权限控制，权限数据存储于Redis中，确保高效响应。再次，消息队列方面，通过RabbitMQ实现库存变动后的异步通知，保障库存数据的一致性和可靠性。此外，系统还支持多租户模式，能够根据不同租户的需求灵活切换数据库连接。前端则选择了LayUI作为主要框架，配合WebSocket实现库存变化的实时推送。部署环节涉及Ocelot网关、Consul服务注册以及Docker容器化部署，确保系统的高可用性和扩展性。适合人群：具有一定.NET开发经验的研发人员和技术爱好者。使用场景及目标：适用于希望深入了解.NET5企业级应用开发的技术人员，尤其是对仓储管理系统感兴趣的人群。通过学习本文，读者可以掌握如何将多种现代技术集成到一个完整的解决方案中，从而提高开发效率和系统性能。其他说明：文中提供了大量实际代码片段，帮助读者更好地理解和实践相关技术。同时，作者分享了许

中国联通自智网络技术白皮书-云光和云网专线场景的技术特征与应用

内容概要：本文档是中国联通发布的关于自智网络技术白皮书，详细介绍了云光和云网专线场景下的自智网络技术。主要内容涵盖行业洞察、中国联通专线自智网络概述、云光和云网专线自智网络的技术特征、分级标准及其关键技术，以及专线自智网络的分级测评和认证体系。文中强调了自智网络在提升网络智能化、自动化方面的关键作用，特别是在云光和云网专线场景的应用，旨在为行业客户提供高品质的专线服务，促进网络向融合化、智能化、绿色化发展。适合人群：适用于通信行业的技术人员、研究人员、管理人员，尤其是关注自智网络技术及其应用的专业人士。使用场景及目标：①帮助行业客户理解自智网络技术在云光和云网专线场景中的应用；②为运营商提供技术参考，提升网络智能化水平；③促进产业链上下游协同发展，推动自智网络的商业化应用。其他说明：本文档不仅提供了详细的理论和技术解析，还结合了中国联通的实际案例，展示了自智网络在实际应用中的成效和发展前景。

三菱Q系列PLC在液晶电视导光板加工中的应用：QD75MH总线伺服与自动化控制系统详解

内容概要：本文详细介绍了三菱Q系列PLC在液晶电视导光板加工中的应用案例。主要内容涵盖Q系列PLC的使用、QD75MH定位模块和SSNET总线伺服的应用、伺服控制、触摸屏程序设计以及温控器的使用。文中不仅提供了详细的硬件配置和软件编程实例，还深入解析了各个组件的工作原理及其协同工作的机制。此外，文章还分享了一些实际操作中的经验和常见问题解决方案，如伺服控制中的加减速曲线优化、温控器的Modbus通讯调试、以及总线通讯中的丢包问题处理等。适合人群：从事工业自动化领域的工程师和技术人员，尤其是对三菱Q系列PLC和伺服控制系统感兴趣的读者。使用场景及目标：适用于液晶电视导光板加工生产线的设计、安装、调试和维护。目标是帮助技术人员理解和掌握三菱Q系列PLC及相关组件的应用，提升系统的稳定性和精度。其他说明：文章通过具体的代码示例和实际操作经验，展示了如何利用三菱Q系列PLC实现高效、稳定的工业自动化控制。对于希望深入了解工业自动化控制技术和三菱PLC编程的读者来说，是一份非常有价值的参考资料。

3顶0踩