壹些開源搜索引擎系統介紹,包含開源Web搜索引擎和開源桌面搜索引擎。
Sphider
Sphider是壹個輕量級,采用PHP開發的web spider和搜索引擎,使用mysql來存儲數據。可以利用它來為自己的網站添加搜索功能。Sphider非常小,易於安裝和修改,已經有數千網站在使用它。
RiSearch PHP
RiSearch PHP是壹個高效,功能強大的搜索引擎,特別適用於中小型網站。RiSearch PHP非常快,它能夠在不到1秒鐘內搜索5000-10000個頁面。RiSearch是壹個索引搜索引擎,這就意味著它先將妳的網站做索引並建立壹個數據庫來存儲妳網站所有頁面的關鍵詞以便快速搜索。Risearch是全文搜索引擎腳本,它把所有的關鍵詞都編成壹個文檔索引除了配置文件裏面的定義排除的關鍵詞。 RiSearch使用經典的反向索引算法(與大型的搜索引擎相同),這就是為什麽它會比其它搜索引擎快的原因。
PhpDig
PhpDig是壹個采用PHP開發的Web爬蟲和搜索引擎。通過對動態和靜態頁面進行索引建立壹個詞匯表。當搜索查詢時,它將按壹定的排序規則顯示包含關鍵字的搜索結果頁面。PhpDig包含壹個模板系統並能夠索引PDF,Word,Excel,和PowerPoint文檔。PHPdig適用於專業化更強、層次更深的個性化搜索引擎,利用它打造針對某壹領域的垂直搜索引擎是最好的選擇。
OpenWebSpider
OpenWebSpider是壹個開源多線程Web Spider(robot:機器人,crawler:爬蟲)和包含許多有趣功能的搜索引擎。
Egothor
Egothor是壹個用Java編寫的開源而高效的全文本搜索引擎。借助Java的跨平臺特性,Egothor能應用於任何環境的應用,既可配置為單獨的搜索引擎,又能用於妳的應用作為全文檢索之用。
Nutch
Nutch 是壹個開源Java 實現的搜索引擎。它提供了我們運行自己的搜索引擎所需的全部工具。包括全文搜索和Web爬蟲。
Lucene
Apache Lucene是壹個基於Java全文搜索引擎,利用它可以輕易地為Java軟件加入全文搜尋功能。Lucene的最主要工作是替文件的每壹個字作索引,索引讓搜尋的效率比傳統的逐字比較大大提高,Lucen提供壹組解讀,過濾,分析文件,編排和使用索引的API,它的強大之處除了高效和簡單外,是最重要的是使使用者可以隨時應自己需要自訂其功能。
Oxyus
是壹個純java寫的web搜索引擎。
BDDBot
BDDBot是壹個簡單的易於理解和使用的搜索引擎。它目前在壹個文本文件(urls.txt)列出的URL中爬行,將結果保存在壹個數據庫中。它也支持壹個簡單的Web服務器,這個服務器接受來自瀏覽器的查詢並返回響應結果。它可以方便地集成到妳的Web站點中。
Zilverline
Zilverline是壹個搜索引擎,它通過web方式搜索本地硬盤或intranet上的內容。Zilverline可以從PDF, Word, Excel, Powerpoint, RTF, txt, java, CHM,zip, rar等文檔中抓取它們的內容來建立摘要和索引。從本地硬盤或intranet中查找到的結果可重新再進行檢索。Zilverline支持多種語言其中包括中文。
XQEngine
XQEngine用於XML文檔的全文本搜索引擎。利用XQuery做為它的前端查詢語言。它能夠讓妳查詢XML文檔集合通過使用關鍵字的邏輯組合。有點類似於Google與其它搜索引擎搜索HTML文檔壹樣。XQEngine只是壹個用Java開發的很緊湊的可嵌入的組件。
MG4J
MG4J可以讓妳為大量的文檔集合構建壹個被壓縮的全文本索引,通過使內插編碼(interpolative coding)技術。
JXTA Search
JXTA Search是壹個分布式的搜索系統。設計用在點對點的網絡與網站上。
YaCy
YaCy基於p2p的分布式Web搜索引擎。同時也是壹個Http緩存代理服務器。這個項目是構建基於p2p Web索引網絡的壹個新方法。它可以搜索妳自己的或全局的索引,也可以Crawl自己的網頁或啟動分布式Crawling等。
Red-Piranha
Red-Piranha是壹個開源搜索系統,它能夠真正”學習”妳所要查找的是什麽。Red-Piranha可作為妳桌面系統(Windows,Linux與Mac)的個人搜索引擎,或企業內部網搜索引擎,或為妳的網站提供搜索功能,或作為壹個P2P搜索引擎,或與wiki結合作為壹個知識/文檔管理解決方案,或搜索妳要的RSS聚合信息,或搜索妳公司的系統(包括SAP,Oracle或其它任何Database/Data source),或用於管理PDF,Word和其它文檔,或作為壹個提供搜索信息的WebService或為妳的應用程序(Web,Swing,SWT,Flash,Mozilla-XUL,PHP, Perl或c#/.Net)提供搜索後臺等等。
LIUS
LIUS是壹個基於Jakarta Lucene項目的索引框架。LIUS為Lucene添加了對許多文件格式的進行索引功能如:Ms Word,Ms Excel,Ms PowerPoint,RTF,PDF,XML,HTML,TXT,Open Office序列和JavaBeans.針對JavaBeans的索引特別有用當我們要對數據庫進行索引或剛好用戶使用持久層ORM技術如:Hibernate,JDO,Torque,TopLink進行開發時。
Apache Solr
Solr是壹個高性能,采用Java5開發,基於Lucene的全文搜索服務器。文檔通過Http利用XML加到壹個搜索集合中。查詢該集合也是通過 內容的搜索,而是針對自己的文檔或文件的搜索,使用regain可以輕松地在幾秒內完成大量數據(許多個G)的搜索。Regain采用了Lucene的搜索語法,因此支持多種查詢方式,支持多索引的搜索及基於文件類型的高級搜索,並且能實現URL重寫及文件到HTTP的橋接,並且對中文也提供了較好的支持。
Regain提供了兩種版本:桌面搜索及服務器搜索。桌面搜索提供了對普通桌面計算機的文檔與局域網環境下的網頁的快速搜索。服務器版本主要安裝在Web服務器上,為網站及局域網環境下的文件服務器進行搜索。