开源搜索引擎dogedoge

转载

mob64ca1410eb61 2024-09-25 10:05:10

文章标签 开源搜索引擎dogedoge elasticsearch lucene 搜索引擎 html 文章分类 数据仓库大数据

一简介

Elasticsearch是一个基于Apache Lucene(TM)的开源搜索引擎。无论在开源还是专有领域，Lucene可以被认为是迄今为止最先进、性能最好的、功能最全的搜索引擎库。
但是，Lucene只是一个库。想要使用它，你必须使用Java来作为开发语言并将其直接集成到你的应用中，更糟糕的是，Lucene非常复杂，你需要深入了解检索的相关知识来理解它是如何工作的。
Elasticsearch也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。
Elasticsearch的中文网址：Elasticsearch：官方分布式搜索和分析引擎 | Elastic

Apache Lucene™ 项目开发开源搜索软件。该项目发布了一个名为 Lucene™ core 的核心搜索库，以及 PyLucene，一个用于 Lucene 的 Python 绑定。

Lucene Core是一个 Java 库，提供强大的索引和搜索功能，以及拼写检查、命中突出显示和高级分析/标记化功能。该PyLucene 子项目提供了Python绑定Lucene的核心。

1.1正向索引和倒排索引

正向索引与倒排索引，这是在搜索领域中非常重要的两个名词，正向索引通常用于数据库中，在搜索引擎领域使用的最多的就是倒排索引，我们根据如下两个网页来对这两个概念进行阐述：

html1

<span style="background-color:#f8f8f8 !important"><span style="color:#34495e">我爱我的祖国，我爱编程</span></span>

html2:

<span style="background-color:#f8f8f8 !important"><span style="color:#34495e">我爱编程，我是个快乐的小码农</span></span>

正向索引:

<span style="background-color:#f8f8f8 !important"><span style="color:#34495e">我 爱 爱我 祖国 我的祖国 编程 爱编程 我爱编程</span></span>

<span style="background-color:#f8f8f8 !important"><span style="color:#34495e">我 我爱 爱 编程 爱编程 我爱编程 快乐 码农 小码农</span></span>

假设我们现在使用正向索引搜索 编程 这个词，那么会到第一句话中去查找是否包含有 编程

倒排索引:

关键词	文档名
我	html1,html2,html3
爱	html1,html2
爱我	html1
我爱	html2
祖国	html1
我的祖国	html1
编程	html1,html2
我爱编程	html1,html2
爱编程	html1,html2
快乐	html2
码农	html2
小码农	html2