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
分享到:
相关推荐
基于Lucene的全文搜索引擎研究与应用.pdf 详实的介绍Lucene的架构设计分析
p2p全文搜索引擎算法.pdf ,里面有p2p全文搜索引擎算法源代码
Scrapy + Elasticsearch + Django打造全文搜索引擎源码 Scrapy + Elasticsearch + Django打造全文搜索引擎源码 Scrapy + Elasticsearch + Django打造全文搜索引擎源码 Scrapy + Elasticsearch + Django打造...
sphinx全文搜索引擎,支持中文分词。内置sphinx安装包及coreseek安装包
基于java的Lucene全文搜索引擎资源简单实例下载
横瓜全文搜索引擎,是基于Windows平台的全文搜索引擎(不提供网络蜘蛛),最大容量150万网页。 对于150万网页规模的数据,可在30分钟内完成所有架构工作。横瓜全文搜索引擎分词速度约为 2500万字/分钟,约占99.984%的...
基于SSM架构结合全文搜索引擎ElasticSearch的电影搜索系统项目 基于SSM架构结合全文搜索引擎ElasticSearch的电影搜索系统项目 基于SSM架构结合全文搜索引擎ElasticSearch的电影搜索系统项目 基于SSM架构结合全文搜索...
基于SSM架构结合全文搜索引擎ElasticSearch的电影搜索系统项目源码.zip 基于SSM架构结合全文搜索引擎ElasticSearch的电影搜索系统项目源码.zip 基于SSM架构结合全文搜索引擎ElasticSearch的电影搜索系统项目源码.zip...
本系统是基于lucene框架开发的全文搜索引擎,能实现txt、doc、pdf、excel、ppt等常见文档的全文检索,可以直接部署到tomcat下即可运行,需要研究lucene或实际应用lucene框架的朋友,欢迎下载。
全文搜索引擎的设计与实现_毕业论文(20210809123305).pdf
【概念】 搜索引擎(search engine)是指根据一定的策略、运用特定的计算机程序搜集互联网上的信息,在对信息进行组织和处理后,为用户提供检索服务的系统。
一个基于blevesearch和Go构建的独立轻量级全文搜索引擎,支持多个存储(scorch, boltdb, leveldb, badger)
针对目前已有的煤矿运维系统功能单一、自动化程度低等问题,将全文搜索引擎应用到煤矿运维系统中,通过搜索引擎从故障解决方案数据库中搜索出匹配的解决方案。介绍了煤矿运维系统流程及故障解决方案来源、数据结构和...
全文搜索引擎ElasticSearch介绍与使用
Fullproof 是一个 JavaScript 库,提供了在浏览器上的高质量的全文搜索引擎。 该特性可让你的 Web 应用在离线模式下使用 HTML5 离线特性进行搜索。 特征: 支持布尔值和搜索排名 自动 HTML5 存储检测和优雅...
详细说明如何在自己的网站上嵌入第三方的搜索代码,以实现站内搜索和互联网搜索的功能,利用Lucene构建一个web应用程序来检索存放在文件服务器中的html文档。
一个基于Redis的全文搜索引擎。它提供了高性能的全文搜索功能,支持复杂的查询和过滤,并且可以无缝地集成到现有的Redis环境中。
Lucene是一个高性能、可伸缩的信息搜索(IR)库