前言 我们每天都在用 Google, 百度这些搜索引擎，那大家有没想过搜索引擎是如何实现的呢，看似简单的搜索其实技术细节非常复杂，说搜索引擎是 IT 皇冠上的明珠也不为过，今天我们来就来简单过一下搜索引擎的原理，看看它是…

Elasticsearch是一个基于Lucene的开源分布式搜索引擎，具有分布式多用户能力，基于RESTful web接口。Elasticsearch是用Java开发的，并作为Apache许可条款下的开放源码发布，是第二流行的企业搜索引擎。设计用于云计算中，能…

目前比较适合Java的搜索引擎搭建一般会选用Solr，底层操作会使用Solrj交互，其实Solr也是基于Lucene。实施过程中发现网上很多关于Java集成Solr的文档都是基于Solr5版本的，而对于Solr7版本的文档很少，并且很多都是坑，所以…

Nutch是基于Lucene实现的搜索引擎。包括全文搜索和Web爬虫。Lucene为Nutch提供了文本索引和搜索的API。 1.有数据源，需要为这些数据提供一个搜索页面。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，因为你不需要从别的网站抓取数据。 2…

更新加个地址：新写了一篇博客介绍：《如何做到优化引擎搜索SEO（有HTML，关键字，Ajax，url，内容顺序等）》 阅读的来源有： zerofine的博客：《html中h1-h6标签对搜…

类别：电工导C 日期：2016年9月16日 标题：第四次实验_web.py 编号：4 一.web.py的使用： 框架（framework）：某种应用的半成品，把不同的应用程序中具有共性的一部分拿出来，做成一个半成品程序，即为所谓框架好处：减少重复的开发工作量，缩短开发时间，降低开发成本balaba…

最近刚好在学习搜索引擎分词，有了解一些分词插件，在这里给各位猿友分享一下。 本文主要介绍四个分词插件（ICTCLAS、IKAnalyzer、Ansj、Jcseg）和一种自己写算法实现的方式，以及一些词库的推荐。 一、ICTCLAS 1.1、介绍 中文词法分析是中文信息处理的基础与关键。中国科…

本系列文章将逐步介绍 dySE 这个开源的Java 小型搜索引擎的实现过程。该搜索引擎分为三个模块：爬虫模块、预处理模块和搜索模块。其中详细阐述了: 多线程页面爬取、正文内容提取、文本提取、分词、索引建立、快照等功能的实现。本文将重点介绍 dySE 的整体结构和爬虫…