对于站内搜索大家都是如何实现的？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

V2EX 提问指南

这是一个创建于 4719 天前的主题，其中的信息可能已经有所发展或是发生改变。

数据量不大貌似用数据库就可以了，比如博客啥的～
但数据量大且需要有分词概念的时候大家如何实现的？
如果在考虑一下商业化比如权重，排名之类的又如何呢？

目前我在看solr 大家有什么好的方案么？

数据量

大家

如何

15 条回复 • 2016-01-27 09:12:23 +08:00

daqing

2011-12-27 21:18:33 +08:00

最近也在考虑这方面的东西，目前可以选择的: Solr, Coreseek, 用Lucene自己定制开发，Redis-search。

基本上大型网站，用Lucene定制开发的居多。专业搜索引擎如百度，有道等，应该是自己的技术了。

Julyyq

2011-12-27 21:19:50 +08:00

直接用DW实现的菜鸟飘过~

delectate

2011-12-27 21:55:22 +08:00

用google custom

richiefans

2011-12-27 21:58:33 +08:00

@daqing 看了一下Coreseek是基于Sphinx 貌似也还行 Solr配置起来比较简单先把它整整看不知道用哪个中文分词比较好 imdict貌似不支持自定义词库

daqing

2011-12-27 22:42:09 +08:00

@richiefans 有一个ruby的中文分词工具，看这个：http://www.iteye.com/news/1380-recommended-chinese-ruby-word---rmmseg

meecle

2011-12-27 22:47:59 +08:00

刚才到GNU.org去搜索软件，发现Hyper Estraier ： a full-text search system for communities，这个可以，更多的去http://fallabs.com/ 看看！

meecle

2011-12-27 22:49:15 +08:00

www.gnu.org 也再用这个，参考这里： http://www.gnu.org/cgi-bin/estseek.cgi

Blask

2011-12-28 00:20:13 +08:00

google custom 不错啊.

Tianpu

2011-12-28 01:04:17 +08:00

@richiefans 记得给我小红花 www.xunsearch.com

xiangjian

2012-01-09 18:38:44 +08:00

有没有对 pdf,word,PPT ,支持比较好的全文搜索。中文分词最好可以自定义

dreampuf

2012-01-09 20:38:01 +08:00

document database 自己随意控制.
小的业务需求也很容易实现.

tuzi

2012-06-27 22:53:00 +08:00

@Tianpu 似乎不错，谢谢

INT21H

2012-06-27 23:24:22 +08:00

啊分词用mmseg就蛮好

yandy

2014-08-25 21:54:37 +08:00

可以用一些第三方的搜索服务，有 RESTful 的 API。例如国内有一家做的不错的 http://tinysou.com。既可以用API，又可以基于爬虫。看到 teahour.fm 就在用他们的服务。看到对中文的支持挺好的，还可以拼音搜索，拼音补全。

kwklover

2016-01-27 09:12:23 +08:00

一般大型的，会选用 JAVA 平台的 ES 或 SOLR ，其实底层都是基于 LUCENE ，特定是定制型强大，开发量和维护量也不小；
用 MYSQL 数据库可能会喜欢搭配 Sphinx 或基于它的衍生品，整合的比较密集，配置好了，查询用的类 SQL 语句，还是比较方便的，就是中文分词不太好，或者可定制性差些，性能还是挺高的；
WINDOWS 平台下中小草根站长可能比较喜欢选用搜易站内搜索引擎，基本不用开发了。点点鼠标就可以创建一个站内搜索。