13款开源搜索引擎

灰太狼 2022-05-22 03:57 663阅读 0赞

**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/][http_lucene.apache.org]   
  
CLucene官方主页：[http://sourceforge.net/projects/clucene/][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/][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/][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/][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/][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][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/][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/][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/][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][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/][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/][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][https_bitbucket.org_mchaput_whoosh_wiki_Home]

[http_lucene.apache.org]: http://lucene.apache.org/
[http_sourceforge.net_projects_clucene]: http://sourceforge.net/projects/clucene/
[http_sphinxsearch.com_about_sphinx]: http://sphinxsearch.com/about/sphinx/
[http_xapian.org]: http://xapian.org/
[http_nutch.apache.org]: http://nutch.apache.org/
[http_www.dataparksearch.org]: http://www.dataparksearch.org/
[http_www.seg.rmit.edu.au_zettair_about.html]: http://www.seg.rmit.edu.au/zettair/about.html
[http_www.lemurproject.org_indri]: http://www.lemurproject.org/indri/
[http_terrier.org]: http://terrier.org/
[http_www.galagosearch.org]: http://www.galagosearch.org/
[https_www.indexdata.com_zebra]: https://www.indexdata.com/zebra
[http_lucene.apache.org_solr]: http://lucene.apache.org/solr/
[http_www.elasticsearch.org]: http://www.elasticsearch.org/
[https_bitbucket.org_mchaput_whoosh_wiki_Home]: https://bitbucket.org/mchaput/whoosh/wiki/Home