Java EE search lucene xapian

s

 

名称 Lucene
介绍 Lucene是一个开源的全文搜索引擎工具包，用于将文本内容进行索引搜索。它是一个高性能、可扩展的搜索技术解决方案。
开发语言 Java
版本历史

Lucene于1999年发布第一个版本，目前最新的稳定版本是8.10.1

- [Lucene 官方网站](https://lucene.apache.org/)
- [Lucene GitHub 仓库](https://github.com/apache/lucene)
功能特点

1. 高效的全文搜索和匹配算法；

2. 支持多种索引数据结构，如倒排索引；

3. 提供滤器和分析器来处理文本数据；

4. 支持多种查询类型，如布尔查询、短语查询等；

5. 可扩展性强，可以自插件和定制功能；

6. 支持分布式搜索
核心组件

- Analyzer：文本分析器，用于将文本数据拆分为单词。
- Indexer：索引构建器，负责将文档信息转换为可搜索的数据结构。
- Query：查询构建器，定义了搜索的条件和规则。
- Searcher：搜索器，执行搜索操作并返回匹配的文档。
应用领域 Lucene被广泛应用于各种领域，如企业搜索、电子商务网站、网站搜索、日志分析等，能够为用户提供高效的搜索和索功能。
相关项目 Lucene有几个相关项目，如Solr（基于Lucene的企业级搜索平台）、Elasticsearch（分布式实时搜索和分析引擎）等，它们在Lucene的基础上提供了丰富的功能和更易用的接口。

 

 

目录

欢迎

网页管理中心标准

您的网站和 Bing

将 Bing 框添加到您的网站

疑难解答

技术支持

nginx强行屏蔽——微软（BING）

http://www.iteye.com/topic/457983

 

搜索引擎开发工具、框架

http://open-open.com/open24332.htm

http://lucene.apache.org/java/docs/index.pdf

http://jakarta.apache.org/lucene/docs/index.html

http://lucene.apache.org/images/lucene_green_300.gif

http://lucene.apache.org/java/2_4_1/api/index.html

Lucene 2.4.1 API

x

Apache Lucene是一个基于Java全文搜索引擎，利用它可以轻易地为Java软件加入全文搜寻功能。Lucene的最主要工作是替文件的每一个字作索引，索 引让搜寻的效率比传统的逐字比较大大提高，Lucen提供一组解读，过滤，分析文件，编排和使用索引的API，它的强大之处除了高效和简单外，是最重要的 是使使用者可以随时应自已需要自订其功能。

 

 Egothor 
Egothor是一个用Java编写的开源而高效的全文本搜索引擎。借助Java的跨平台特性，Egothor能应用于任何环境的应用，既可配置为单独的搜索引擎，又能用于你的应用作为全文检索之用。

更多Egothor信息

 

 Nutch 
Nutch 是一个开源Java 实现的搜索引擎。它提供了我们运行自己的搜索引擎所需的全部工具。包括全文搜索和Web爬虫。

更多Nutch信息

 

 Lucene 
Apache Lucene是一个基于Java全文搜索引擎，利用它可以轻易地为Java软件加入全文搜寻功能。Lucene的最主要工作是替文件的每一个字作索引，索 引让搜寻的效率比传统的逐字比较大大提高，Lucen提供一组解读，过滤，分析文件，编排和使用索引的API，它的强大之处除了高效和简单外，是最重要的 是使使用者可以随时应自已需要自订其功能。

更多Lucene信息

 

 Oxyus 
是一个纯java写的web搜索引擎。

更多Oxyus信息

 

 BDDBot 
BDDBot是一个简单的易于理解和使用的搜索引擎。它目前在一个文本文件(urls.txt)列出的URL中爬行，将结果保存在一个数据库中。它也支持一个简单的Web服务器，这个服务器接受来自浏览器的查询并返回响应结果。它可以方便地集成到你的Web站点中。

更多BDDBot信息

 

 Zilverline 
Zilverline 是一个搜索引擎，它通过web方式搜索本地硬盘或intranet上的内容。Zilverline可以从PDF, Word, Excel, Powerpoint, RTF, txt, java, CHM,zip, rar等文档中抓取它们的内容来建立摘要和索引。从本地硬盘或intranet中查找到的结果可重新再进行检索。Zilverline支持多种语言其中包 括中文。

更多Zilverline信息

 

 XQEngine 
XQEngine 用于XML文档的全文本搜索引擎.利用XQuery做为它的前端查询语言.它能够让你查询XML文档集合通过使用关键字的逻辑组合.有点类似于 Google与其它搜索引擎搜索HTML文档一样.XQEngine只是一个用Java开发的很紧凑的可嵌入的组件.

更多XQEngine信息

 

 MG4J 
MG4J可以让你为大量的文档集合构建一个被压缩的全文本索引,通过使内插编码(interpolative coding)技术.

更多MG4J信息

 

 JXTA Search 
JXTA Search是一个分布式的搜索系统.设计用在点对点的网络与网站上.

更多JXTA Search信息

 

 YaCy 
YaCy基于p2p的分布式Web搜索引擎.同时也是一个Http缓存代理服务器.这个项目是构建基于p2p Web索引网络的一个新方法.它可以搜索你自己的或全局的索引,也可以Crawl自己的网页或启动分布式Crawling等.

更多YaCy信息

 

 Red-Piranha 
Red- Piranha是一个开源搜索系统,它能够真正"学习"你所要查找的是什么.Red-Piranha可作为你桌面系统(Windows,Linux与 Mac)的个人搜索引擎,或企业内部网搜索引擎,或为你的网站提供搜索功能,或作为一个P2P搜索引擎,或与wiki结合作为一个知识/文档管理解决方 案,或搜索你要的RSS聚合信息,或搜索你公司的系统(包括SAP,Oracle或其它任何Database/Data source),或用于管理PDF,Word和其它文档,或作为一个提供搜索信息的WebService或为你的应用程序 (Web,Swing,SWT,Flash,Mozilla-XUL,PHP, Perl或c#/.Net)提供搜索后台等等.

更多Red-Piranha信息

 

 LIUS 
LIUS是一个基于Jakarta Lucene项目的索引框架。LIUS为Lucene添加了对许多文件格式的进行索引功能如：
Ms Word,Ms Excel,Ms PowerPoint,RTF,PDF,XML,HTML,TXT,Open Office序列和JavaBeans。针对JavaBeans的索引特别有用当我们要对数据库进行索引或刚好用户使用持久层ORM技术 如：Hibernate,JDO,Torque,TopLink进行开发时。

更多LIUS信息

 

 Aperture 
Aperture这个Java框架能够从各种各样的资料系统(如：文件系统、Web站点、IMAP和Outlook邮箱)或存在这些系统中的文件(如:文档、图片)爬取和搜索其中的全文本内容与元数据。它当前支持的文件格式如下：
Plain text HTML, XHTML XML PDF (Portable Document Format) RTF (Rich Text Format) Microsoft Office: Word, Excel, Powerpoint, Visio, Publisher Microsoft Works OpenOffice 1.x: Writer, Calc, Impress, Draw StarOffice 6.x - 7.x+: Writer, Calc, Impress, Draw OpenDocument (OpenOffice 2.x, StarOffice 8.x) Corel WordPerfect, Quattro, Presentations Emails (.eml files)

更多Aperture信息

 

 Apache Solr 
Solr 是一个高性能，采用Java5开发，基于Lucene的全文搜索服务器。文档通过Http利用XML加到一个搜索集合中。查询该集合也是通过http收到 一个XML/JSON响应来实现。它的主要特性包括：高效、灵活的缓存功能，垂直搜索功能，高亮显示搜索结果，通过索引复制来提高可用性，提供一套强大 Data Schema来定义字段，类型和设置文本分析，提供基于Web的管理界面等。

更多Apache Solr信息

 

 Lucene中文分词“庖丁解牛” Paoding Analysis 
Paoding's Knives中文分词具有极高效率和高扩展性。引入隐喻，采用完全的面向对象设计，构思先进。高效率：在PIII 1G内存个人机器上，1秒可准确分词100万汉字。采用基于不限制个数的词典文件对文章进行有效切分，使能够将对词汇分类定义。能够对未知的词汇进行合理 解析。

更多Lucene中文分词“庖丁解牛” Paoding Analysis信息

 

 Carrot2 
Carrot2 是一个开源搜索结果分类引擎。它能够自动把搜索结果组织成一些专题分类。Carrot2提供的一个架构能够从各种搜索引擎（YahooAPI、 GoogleAPI、MSN Search API、eTools Meta Search、Alexa Web Search、PubMed、OpenSearch、Lucene index、SOLR）获取搜索结果。

更多Carrot2信息

 

 Regain 
Regain 是一个基于Jakarta Lucene封装的搜索引擎。它能够索引和查询多种格式的文件（当前支持的格式包括：HTML、XML、Excel、Powerpoint、Word、 PDF和RTF）。此外它还提供一个标签库以便易于将搜索结果展示在JSP页面中。

更多Regain信息

 

 Hounder 
Hounder是一个完善的搜索系统，Hounder只会检索那些出现在互联网上的文档，并通过一个简单的网页来展示搜索结果。能够完美与其它项目相结合。它在各方面的设计都是规模级的包括：索引网页的数量，检索速度，查询并发数。它已经成功应用在多个大型搜索系统中。

更多Hounder信息

 

 中文分词器 IKAnalyzer 
IKAnalyzer 是一个开源的，基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始，IKAnalyzer已经推出了3个大版本。最初， 它是以开源项目Luence为应用主体的，结合词典分词和文法分析算法的中文分词组件。新版本的IKAnalyzer3.0则发展为面向Java的公用分 词组件，独立于Lucene项目，同时提供了对Lucene的默认优化实现。
IKAnalyzer3.0特性: 采用了特有的“正向迭代最细粒度切分算法“，具有50万字/秒的高速处理能力。 采用了多子处理器分析模式，支持：英文字母（IP地址、Email、URL）、数字（日期，常用中文数量词，罗马数字，科学计数法），中文词汇（姓名、地名处理）等分词处理。 优化的词典存储，更小的内存占用。支持用户词典扩展定义 针对Lucene全文检索优化的查询分析器IKQueryParser(作者吐血推荐)；采用歧义分析算法优化查询关键字的搜索排列组合，能极大的提高Lucene检索的命中率。
IKAnalyzer.jpg

更多中文分词器 IKAnalyzer信息

 
http://xapian.org/
The Xapian Project

Welcome to the Xapian project website.

Xapian is an Open Source Search Engine Library, released under the GPL . It's written in C++ , with bindings to allow use from Perl , Python , PHP , Java , Tcl , C# and Ruby (so far!)

Xapian is a highly adaptable toolkit which allows developers to easily add advanced indexing and search facilities to their own applications. It supports the Probabilistic Information Retrieval model and also supports a rich set of boolean query operators.

If you're after a packaged search engine for your website, you should take a look at Omega : an application we supply built upon Xapian. Unlike most other website search solutions, Xapian's versatility allows you to extend Omega to meet your needs as they grow.

The latest stable version is 1.0.15 , released on 2009-08-26.

The latest development version is 1.1.2 , released on 2009-07-23.

 

 

end

 

posted @ 2009-09-03 00:43  siemens800  阅读(71)  评论(0)    收藏  举报