20大開源搜尋引擎

轉自：http://paranimage.com/20-open-source-search-engines/

一些開源搜尋引擎系統介紹，包含開源Web搜尋引擎和開源案頭搜尋引擎。

Sphider

Sphider是一個輕量級，採用PHP開發的web spider和搜尋引擎，使用mysql來儲存資料。可以利用它來為自己的網站添加搜尋功能。Sphider非常小,易於安裝和修改，已經有數千網站在使用它。

RiSearch PHP

RiSearch PHP是一個高效，功能強大的搜尋引擎，特別適用於中小型網站。RiSearch PHP非常快，它能夠在不到1秒鐘內搜尋5000-10000個頁面。RiSearch是一個索引搜尋引擎,這就意味著它先將你的網站做索引並建立一個資料庫來儲存你網站所有頁面的關鍵詞以便快速搜尋。Risearch是全文檢索搜尋引擎指令碼,它把所有的關鍵詞都編成一個文檔索引除了設定檔裡面的定義排除的關鍵詞。 RiSearch使用經典的反向索引演算法(與大型的搜尋引擎相同),這就是為什麼它會比其它搜尋引擎快的原因。

PhpDig

PhpDig是一個採用PHP開發的Web爬蟲和搜尋引擎。通過對動態和靜態頁面進行索引建立一個詞彙表。當搜尋查詢時，它將按一定的定序顯示包含關鍵字的搜尋結果頁面。PhpDig包含一個模板系統並能夠索引PDF,Word,Excel,和PowerPoint文檔。PHPdig適用於專業化更強、層次更深的個人化搜尋引擎，利用它打造針對某一領域的垂直搜尋引擎是最好的選擇。

OpenWebSpider

OpenWebSpider是一個開源多線程Web Spider（robot：機器人，crawler：爬蟲)和包含許多有趣功能的搜尋引擎。

Egothor

Egothor是一個用Java編寫的開源而高效的全文本搜尋引擎。藉助Java的跨平台特性，Egothor能應用於任何環境的應用，既可配置為單獨的搜尋引擎，又能用於你的應用作為全文檢索索引之用。

Nutch

Nutch 是一個開源Java 實現的搜尋引擎。它提供了我們運行自己的搜尋引擎所需的全部工具。包括全文檢索搜尋和Web爬蟲。

Lucene

Apache Lucene是一個基於Java全文檢索搜尋引擎，利用它可以輕易地為Java軟體加入全文搜尋功能。Lucene的最主要工作是替檔案的每一個字作索引，索引讓搜尋的效率比傳統的逐字比較大大提高，Lucen提供一組解讀，過濾，分析檔案，編排和使用索引的API，它的強大之處除了高效和簡單外，是最重要的是使使用者可以隨時應自已需要自訂其功能。

Oxyus

是一個純java寫的web搜尋引擎。

BDDBot

BDDBot是一個簡單的易於理解和使用的搜尋引擎。它目前在一個文字檔（urls.txt）列出的URL中爬行，將結果儲存在一個資料庫中。它也支援一個簡單的Web伺服器，這個伺服器接受來自瀏覽器的查詢並返迴響應結果。它可以方便地整合到你的Web網站中。

Zilverline

Zilverline是一個搜尋引擎，它通過web方式搜尋本地硬碟或intranet上的內容。Zilverline可以從PDF， Word， Excel， Powerpoint， RTF， txt， java， CHM，zip， rar等文檔中抓取它們的內容來建立摘要和索引。從本地硬碟或intranet中尋找到的結果可重新再進行檢索。Zilverline支援多種語言其中包括中文。

XQEngine

XQEngine用於XML文檔的全文本搜尋引擎。利用XQuery做為它的前端查詢語言。它能夠讓你查詢XML文檔集合通過使用關鍵字的邏輯組合。有點類似於Google與其它搜尋引擎搜尋html文檔一樣。XQEngine只是一個用Java開發的很緊湊的可嵌入的組件。

MG4J

MG4J可以讓你為大量的文檔集合構建一個被壓縮的全文本索引，通過使插入編碼（interpolative coding）技術。

JXTA Search

JXTA Search是一個分布式的搜尋系統。設計用在點對點的網路與網站上。

YaCy

YaCy基於p2p的分布式Web搜尋引擎。同時也是一個Http緩衝Proxy 伺服器。這個項目是構建基於p2p Web索引網路的一個新方法。它可以搜尋你自己的或全域的索引，也可以Crawl自己的網頁或啟動分布式Crawling等。

Red-Piranha

Red-Piranha是一個開源搜尋系統，它能夠真正”學習”你所要尋找的是什麼。Red-Piranha可作為你案頭系統（Windows，Linux與Mac）的個人搜尋引擎，或企業內部網搜尋引擎，或為你的網站提供搜尋功能，或作為一個P2P搜尋引擎，或與wiki結合作為一個知識/文件管理解決方案，或搜尋你要的RSS彙總資訊，或搜尋你公司的系統（包括SAP，Oracle或其它任何Database/Data source），或用於管理PDF，Word和其它文檔，或作為一個提供搜尋資訊的WebService或為你的應用程式（Web，Swing，SWT，Flash，Mozilla-XUL，PHP，
Perl或c#/.Net）提供搜尋後台等等。

LIUS

LIUS是一個基於Jakarta Lucene項目的索引架構。LIUS為Lucene添加了對許多檔案格式的進行索引功能如：Ms Word，Ms Excel，Ms PowerPoint，RTF，PDF，XML，HTML，TXT，Open Office序列和JavaBeans.針對JavaBeans的索引特別有用當我們要對資料庫進行索引或剛好使用者使用持久層ORM技術如：Hibernate，JDO，Torque，TopLink進行開發時。

Apache Solr

Solr是一個高效能，採用Java5開發，基於Lucene的全文檢索搜尋伺服器。文檔通過Http利用XML加到一個搜尋集合中。查詢該集合也是通過 http收到一個XML/JSON響應來實現。它的主要特性包括：高效、靈活的緩衝功能，垂直搜尋功能，高亮顯示搜尋結果，通過索引複製來提高可用性，提供一套強大Data Schema來定義欄位，類型和設定文本分析，提供基於Web的管理介面等。

Paoding

Paoding中文分詞是一個使用Java開發的，可結合到Lucene應用中的，為互連網、企業內部網使用的中文搜尋引擎分片語件。Paoding填補了國內中文分詞方面開源組件的空白，致力於此並希翼成為互連網網站首選的中文分詞開源組件。 Paoding中文分詞追求分詞的高效率和使用者良好體驗。

Carrot2

Carrot2是一個開源搜尋結果分類引擎。它能夠自動把搜尋結果組織成一些專題分類。Carrot2提供的一個架構能夠從各種搜尋引擎（YahooAPI、GoogleAPI、MSN Search API、eTools Meta Search、Alexa Web Search、PubMed、OpenSearch、Lucene index、SOLR）擷取搜尋結果。

Regain

regain是一款與Web搜尋引擎類似的案頭搜尋引擎系統，其不同之處在於regain不是對Internet內容的搜 索，而是針對自己的文檔或檔案的搜尋，使用regain可以輕鬆地在幾秒內完成大量資料（許多個G）的搜尋。Regain採用了Lucene的搜尋文法， 因此支援多種查詢方式，支援多索引的搜尋及基於檔案類型的進階搜尋，並且能實現URL重寫及檔案到HTTP的橋接，並且對中文也提供了較好的支援。

Regain提供了兩種版本：案頭搜尋及伺服器搜尋。案頭搜尋提供了對普通案頭電腦的文檔與區域網路環境下的網頁的快速搜尋。伺服器版本主要安裝在Web伺服器上，為網站及區域網路環境下的檔案伺服器進行搜尋。

參考來源: Open-open