Java技术开源全文本搜索引擎

Egothor Egothor是一个用Java编写的开源而高效的全文本搜索引擎。借助Java的跨平台特性，Egothor能应用于任何环境的应用，既可配置为单独的搜索引擎，又能用于你的应用作为全文检索之用。


　　Nutch Nutch 是一个开源Java 实现的搜索引擎。它提供了我们运行自己的搜索引擎所需的全部工具。包括全文搜索和Web爬虫。


　　Lucene


　　Apache Lucene是一个基于Java全文搜索引擎，利用它可以轻易地为Java软件加入全文搜寻功能。Lucene的最主要工作是替文件的每一个字作索引，索引让搜寻的效率比传统的逐字比较大大提高，Lucen提供一组解读，过滤，分析文件，编排和使用索引的API，它的强大之处除了高效和简单外，是最重要的是使使用者可以随时应自已需要自订其功能。


　　Oxyus


　　是一个纯java写的web搜索引擎。


　　BDDBot


　　BDDBot是一个简单的易于理解和使用的搜索引擎。它目前在一个文本文件(urls.txt)列出的URL中爬行，将结果保存在一个数据库中。它也支持一个简单的Web服务器，这个服务器接受来自浏览器的查询并返回响应结果。它可以方便地集成到你的Web站点中。


　　Zilverline


　　Zilverline是一个搜索引擎，它通过web方式搜索本地硬盘或intranet上的内容。Zilverline可以从PDF， Word， Excel， Powerpoint， RTF， txt， java， CHM，zip， rar等文档中抓取它们的内容来建立摘要和索引。从本地硬盘或intranet中查找到的结果可重新再进行检索。Zilverline支持多种语言其中包括中文。


　　XQEngine


　　XQEngine用于XML文档的全文本搜索引擎。利用XQuery做为它的前端查询语言。它能够让你查询XML文档集合通过使用关键字的逻辑组合。有点类似于Google与其它搜索引擎搜索HTML文档一样。XQEngine只是一个用Java开发的很紧凑的可嵌入的组件。


　　MG4J


　　MG4J可以让你为大量的文档集合构建一个被压缩的全文本索引，通过使内插编码(interpolative coding)技术。


　　JXTA Search


　　JXTA Search是一个分布式的搜索系统。设计用在点对点的网络与网站上。


　　YaCy


　　YaCy基于p2p的分布式Web搜索引擎。同时也是一个Http缓存代理服务器。这个项目是构建基于p2p Web索引网络的一个新方法。它可以搜索你自己的或全局的索引，也可以Crawl自己的网页或启动分布式Crawling等。


　　Red-Piranha


　　Red-Piranha是一个开源搜索系统，它能够真正"学习"你所要查找的是什么。Red-Piranha可作为你桌面系统(Windows，Linux与Mac)的个人搜索引擎，或企业内部网搜索引擎，或为你的网站提供搜索功能，或作为一个P2P搜索引擎，或与wiki结合作为一个知识/文档管理解决方案，或搜索你要的RSS聚合信息，或搜索你公司的系统(包括SAP，Oracle或其它任何Database/Data source)，或用于管理PDF，Word和其它文档，或作为一个提供搜索信息的WebService或为你的应用程序(Web，Swing，SWT，Flash，Mozilla-XUL，PHP， Perl或c#/.Net)提供搜索后台等等。


　　LIUS


　　LIUS是一个基于Jakarta Lucene项目的索引框架。LIUS为Lucene添加了对许多文件格式的进行索引功能如：Ms Word，Ms Excel，Ms PowerPoint，RTF，PDF，XML，HTML，TXT，Open Office序列和JavaBeans.针对JavaBeans的索引特别有用当我们要对数据库进行索引或刚好用户使用持久层ORM技术如：Hibernate，JDO，Torque，TopLink进行开发时。


　　Aperture


　　Aperture这个Java框架能够从各种各样的资料系统(如：文件系统、Web站点、IMAP和Outlook邮箱)或存在这些系统中的文件(如：文档、图片)爬取和搜索其中的全文本内容与元数据。它当前支持的文件格式如下：Plain text HTML， XHTML XML PDF (Portable Document Format) RTF (Rich Text Format) Microsoft Office： Word， Excel， Powerpoint， Visio， Publisher Microsoft Works OpenOffice 1.x： Writer， Calc， Impress， Draw StarOffice 6.x - 7.x+： Writer， Calc， Impress， Draw OpenDocument (OpenOffice 2.x， StarOffice 8.x) Corel WordPerfect， Quattro， Presentations Emails (。eml files)


　　Apache Solr


　　Solr是一个高性能，采用Java5开发，基于Lucene的全文搜索服务器。文档通过Http利用XML加到一个搜索集合中。查询该集合也是通过http收到一个XML/JSON响应来实现。它的主要特性包括：高效、灵活的缓存功能，垂直搜索功能，高亮显示搜索结果，通过索引复制来提高可用性，提供一套强大Data Schema来定义字段，类型和设置文本分析，提供基于Web的管理界面等。


　　Paoding


　　Paoding中文分词是一个使用Java开发的，可结合到Lucene应用中的，为互联网、企业内部网使用的中文搜索引擎分词组件。Paoding填补了国内中文分词方面开源组件的空白，致力于此并希翼成为互联网网站首选的中文分词开源组件。 Paoding中文分词追求分词的高效率和用户良好体验。


　　Carrot2


　　Carrot2是一个开源搜索结果分类引擎。它能够自动把搜索结果组织成一些专题分类。Carrot2提供的一个架构能够从各种搜索引擎(YahooAPI、GoogleAPI、MSN Search API、eTools Meta Search、Alexa Web Search、PubMed、OpenSearch、Lucene index、SOLR)获取搜索结果。




原文出自【比特网】，转载请保留原文链接：http://soft.chinabyte.com/database/425/12186925.shtml