文章分类 -  搜索引擎

摘要：Heritrix使用小结 1. Heritrix 简介 Heritrix是一个专门为互联网上的网页进行存档而开发的网页检索器。它使用Java编写并且完全开源。它主要的用户界面可以通过一个web流量器来访问并通过它来控制检索器的行为，另外，它还有一个命令行工具来供用户选择调用。 Heritrix是由互联网档案馆和北欧国家图书馆联合规范化编写于2003年初。第一次正式发布是在2004年1月，并不... 阅读全文

摘要：倒排索引：（Inverted index）也称为反向索引、置入档案或反向档案 倒排索引是一种索引方法，被用来存储在全文搜索下某个单词在一个文档或者一组文档中的存储位置的映射。它是文档检索系统中最常用的数据结构。 倒排索引建立的是一种“单词到文档”的映射关系。即记录下每个单词或短语在文档中出现的位置，查找时即可直接定位到具体文档。 因为在日常的检索中，通常都是按照关键字进行搜索的，所以，倒排索... 阅读全文