当前位置：文档之家 › Java开源搜索引擎介绍

Java开源搜索引擎介绍

  • 格式：doc
  • 大小：453.50 KB
  • 文档页数：12

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。

更多Egothor信息NutchNutch 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。

更多Nutch信息LuceneApache 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。

更多Lucene信息Oxyus是一个纯java写的web搜索引擎。

更多Oxyus信息BDDBotBDDBot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。

更多BDDBot信息ZilverlineZilverline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。

更多Zilverline信息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.更多XQEngine信息MG4JMG4J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.更多MG4J信息JXTA SearchJXTA 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.更多JXTA Search信息YaCyYaCy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.更多YaCy信息Red-PiranhaRed-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.更多Red-Piranha信息LIUSLIUS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。

更多LIUS信息ApertureAperture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)更多Aperture信息Apache SolrSolr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。

更多Apache Solr信息Lucene中文分词“庖丁解牛” Paoding AnalysisPaoding's Knives中文分词具有极高效率和高扩展性。

引入隐喻，采用完全的面向对象设计，构思先进。

高效率：在PIII 1G内存个人机器上，1秒可准确分词100万汉字。

采用基于不限制个数的词典文件对文章进行有效切分，使能够将对词汇分类定义。

能够对未知的词汇进行合理解析。

更多Lucene中文分词“庖丁解牛” Paoding Analysis信息Carrot2Carrot2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。

更多Carrot2信息RegainRegain是一个基于Jakarta Lucene封装的搜索引擎。

它能够索引和查询多种格式的文件（当前支持的格式包括：HTML、XML、Excel、Powerpoint、Word、PDF和RTF）。

此外它还提供一个标签库以便易于将搜索结果展示在JSP页面中。

更多Regain信息HounderHounder是一个完善的搜索系统，Hounder只会检索那些出现在互联网上的文档，并通过一个简单的网页来展示搜索结果。

能够完美与其它项目相结合。

它在各方面的设计都是规模级的包括：索引网页的数量，检索速度，查询并发数。

它已经成功应用在多个大型搜索系统中。

更多Hounder信息中文分词器IKAnalyzerIKAnalyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。

从2006年12月推出1.0版开始，IKAnalyzer已经推出了3个大版本。

最初，它是以开源项目Luence 为应用主体的，结合词典分词和文法分析算法的中文分词组件。

新版本的IKAnalyzer3.0则发展为面向Java的公用分词组件，独立于Lucene项目，同时提供了对Lucene的默认优化实现。

IKAnalyzer3.0特性:∙采用了特有的“正向迭代最细粒度切分算法“，具有50万字/秒的高速处理能力。

∙采用了多子处理器分析模式，支持：英文字母（IP地址、Email、URL）、数字（日期，常用中文数量词，罗马数字，科学计数法），中文词汇（姓名、地名处理）等分词处理。

∙优化的词典存储，更小的内存占用。

支持用户词典扩展定义∙针对Lucene全文检索优化的查询分析器IKQueryParser(作者吐血推荐)；采用歧义分析算法优化查询关键字的搜索排列组合，能极大的提高Lucene检索的命中率。

更多中文分词器IKAnalyzer信息MustruMustru是一个桌面搜索引擎，基于Lucene、Wordnet、Lingpipe、GATE和Berkeley DB 等开源项目开发。

能够对本地文件系统的多个目录进行索引，然后使用一个Web界面查询该索引。

Mustru提供的功能包括：∙从HTML、PDF和DOC等40多种常见的文件类型文件中抽取文本。

∙检查重复的内容。

∙使用GATE找出文本中的一些实体（人，地名和组织/机构）。

∙支持多线程索引、归类和实体抽取。

∙能够修复和恢复索引文件。

∙找出相似的文档。

∙支持接受用自然语言提问，然后返回相应答案列表。

∙使用一个预先定义好的分类法将文本内容归类成体育、商业、健康等领域。

更多Mustru信息Open Search ServerOpen Search Server是一个稳定、高性能的搜索引擎和一个全文搜索算法套件。

可以用10种语言对文档进行索引。

多语言分析器将句子切成词，然后基于文档的语言将lemmatisation算法运用在词语之上。

支持多种文档格式包括：XML、HTML、PDF、Word 和PowerPoint等。

它还拥有一个基于Zkoss框架开发的Web操作界面。

更多Open Search Server信息Nut只为lucene提供分布式搜索框架。

理论上可对千G以上索引文件支持数千万级的用户搜索访问。

Nut由Client、Server、Cache和DB四部分构成。

Client处理用户请求和对搜索结果排序。

Server对请求进行搜索，Server上只放索引，数据存储在DB中，Nut将索引和存储分离。

Cache缓存的是搜索条件和结果文档id。

DB存储着数据，Client根据搜索排序结果,取出当前页中的文档id从DB上读取数据。

更多Nut信息ElasticSearchElasticSearch是一个基于Lucene构建的开源，分布式，RESTful搜索引擎。

合集下载

Nutch搜索引擎(第1期)_Nutch简介及安装

Nutch搜索引擎(第1期)_Nutch简介及安装

细细品味Nutch——Nutch搜索引擎（第1期）精华集锦csAxp虾皮工作室/xia520pi/2014年3月18日Nutch搜索引擎（第1期）——Nutch简介及安装1、Nutch简介Nutch是一个由Java实现的，开放源代码（open-source）的web搜索引擎。

主要用于收集网页数据，然后对其进行分析，建立索引，以提供相应的接口来对其网页数据进行查询的一套工具。

其底层使用了Hadoop来做分布式计算与存储，索引使用了Solr分布式索引框架来做，Solr是一个开源的全文索引框架，从Nutch 1.3开始，其集成了这个索引架构。

Nutch目前最新的版本为version1.4。

1.1 Nutch的目标Nutch致力于让每个人能很容易，同时花费很少就可以配置世界一流的Web搜索引擎。

为了完成这一宏伟的目标，Nutch必须能够做到：●每个月取几十亿网页●为这些网页维护一个索引●对索引文件进行每秒上千次的搜索●提供高质量的搜索结果●以最小的成本运作1.2 Nutch的优点●透明度Nutch是开放源代码的，因此任何人都可以查看他的排序算法是如何工作的。

商业的搜索引擎排序算法都是保密的，我们无法知道为什么搜索出来的排序结果是如何算出来的。

更进一步，一些搜索引擎允许竞价排名，比如百度，这样的索引结果并不是和站点内容相关的。

因此Nutch对学术搜索和政府类站点的搜索来说，是个好选择。

因为一个公平的排序结果是非常重要的。

●扩展性你是不是不喜欢其他的搜索引擎展现结果的方式呢？那就用 Nutch 写你自己的搜索引擎吧。

Nutch 是非常灵活的，他可以被很好的客户订制并集成到你的应用程序中。

使用Nutch 的插件机制，Nutch 可以作为一个搜索不同信息载体的搜索平台。

当然，最简单的就是集成Nutch到你的站点，为你的用户提供搜索服务。

●对搜索引擎的理解我们并没有google的源代码，因此学习搜索引擎Nutch是个不错的选择。

Java 程序员必备的10款开源工具

Java 程序员必备的10款开源工具

Java世界中存在许多工具，从Eclipse，NetBeans和IntelliJ IDEA等著名的IDE开始到Java开发人员应该知道的JVM分析和监视工具，如JConsole，VisualVM，Eclipse Memory Analyzer 等。

如果你是一位经验丰富的Java开发人员，你可能对这些工具很熟悉，但如果不是，现在就是是开始学习这些工具的好时机。

在本文中，我将重点介绍适用于各种Java开发人员的通用工具，例如核心Java 开发人员和Web开发人员。

1. JIRAAtlassian的JIRA是当前敏捷开发领域最重要的工具之一。

它用于错误跟踪，问题跟踪和项目管理。

如果你遵循敏捷开发方法，例如Sprint和Scrum，那么你必须了解JIRA。

它允许您创建Spring循环并跟踪软件开发的进度。

JIRA 是目前比较流行的基于Java架构的管理系统，由于Atlassian公司对很多开源项目实行免费提供缺陷跟踪服务，因此在开源领域，其认知度比其他的产品要高得多，而且易用性也好一些。

2. GitGit是Java程序员的另一个必备工具，它是一个免费的开源分布式版本控制系统，旨在快速高效地处理从很小到非常大的项目版本管理。

Git易于学习，占用空间小，具有超强的性能。

最初 Git 的开发是为了辅助 Linux 内核开发的过程，但是发现已经在很多其他自由软件项目中也使用了 Git。

3. SeleniumSelenium是Web应用程序最好的软件测试框架之一。

它提供了一种用于创作测试的回放工具，而无需学习测试脚本语言。

Java开发人员可以使用Selenium来测试他们的HTML和JSP文件。

它还为Web浏览器自动化提供了各种工具和库。

Selenium 现在存在2个版本，一个叫selenium-core 一个叫selenium-rc 。

4.JenkinsJenkins是一个用Java编写的开源自动化服务器。

它有助于自动化软件开发，例如编译项目，运行单元测试，集成测试，生成文档以及在本地和远程存储库上载工件。

Java的游戏开发引擎快速构建精美的游戏

Java的游戏开发引擎快速构建精美的游戏

Java的游戏开发引擎快速构建精美的游戏Java作为一种高级编程语言，已经在各个领域发挥了重要的作用。

而在游戏开发领域，Java的游戏开发引擎更是给开发者带来了很多便利。

本文将介绍Java的游戏开发引擎以及如何利用它来快速构建精美的游戏。

一、什么是游戏开发引擎？游戏开发引擎是一种软件框架，提供了一系列的工具和功能，帮助开发者实现游戏的各个方面，包括图形渲染、物理模拟、碰撞检测、音效处理等。

游戏开发引擎能够大大简化游戏开发的过程，提高开发效率。

二、Java的游戏开发引擎有哪些？1. jMonkeyEnginejMonkeyEngine是一款基于Java的开源游戏引擎，它提供了强大的图形渲染功能和跨平台支持。

jMonkeyEngine使用OpenGL进行图形渲染，并且支持多种物理引擎，如Bullet Physics和jBullet。

它还提供了一套完整的工具和库，使开发者能够轻松创建3D游戏。

2. libGDXlibGDX是一款跨平台的Java游戏开发框架，它支持Android、iOS、Web等多个平台。

libGDX提供了丰富的API和工具，开发者可以使用它来创建2D和3D游戏。

同时，libGDX还有很多开源的扩展库和工具，方便开发者进行游戏开发。

3. Unity3D虽然Unity3D是一款主要面向C#开发的游戏引擎，但它同样支持Java语言。

Unity3D是一款非常强大的游戏引擎，拥有丰富的资源和强大的图形渲染能力。

开发者可以使用Unity3D来创建各种类型的游戏，包括2D和3D游戏。

三、如何使用Java的游戏开发引擎构建精美的游戏？1. 熟悉游戏开发引擎的API要使用Java的游戏开发引擎构建精美的游戏，首先需要熟悉该引擎的API文档。

掌握API的使用方法可以帮助开发者更好地理解游戏引擎的功能和特性，从而提高开发效率。

2. 设计游戏的场景和角色在开始开发游戏之前，需要对游戏进行整体的设计和规划。

包括确定游戏的场景、角色、故事情节等。

国外7个源代码库搜索引擎网站

国外7个源代码库搜索引擎网站

国外7个源代码库搜索引擎网站转——国外7个源代码/库搜索引擎网站2011-10-25 16:16 146人阅读评论(0) 收藏举报现如今编程似乎成为一种潮流，程序员越来越多，任何一个程序员都必须学习至少一门编程语言，但是学习编程语言总是不那么容易的，前些时候在SitePoint社区进行的如何更好的学习编程语言的讨论中，大家一致认为认真学习别人的代码是一种非常有效的方法，以下七个源代码搜索引擎网站是由网友们提供的、寻找源代码最高效的地方！让我们一起来了解一下吧！1 . GitHubGitHub是非常受欢迎的开源代码库和版本控制服务提供者，前段时间推出了一项新的源代码搜索服务，虽然GitHub才刚刚进入源代码搜索服务领域不久，但是GitHub已经成为了这一领域非常受欢迎的搜索服务提供者，并且已经拥有了数以亿计的代码储存量，正如一篇博客中提到的，GitHub中的确有”很多东西”！2 . KrugleKrugle声称他们的搜索包含超过25亿行代码，这一数量使他们成为互联网上最大的源代码搜索引擎之一，并且还称他们的搜索结果包含了全球三分之一开发者的源代码！同时他们还分别为全球多家大型公司或企业，如Amazone、IBM、、、Yahoo!等提供企业级的代码搜索服务！3 . KodersKoders号称其能够搜索的代码数目超过10亿行，并且深受Ruby 程序员的青睐！在Koders被黑鸭软件公司(Black Duck Software)收购之后，该网站关于Ruby的搜索比过去四年的总和激增了20倍，超过了该站PHP、Perl和Python的搜索数目！并且Ruby已成为该网站继Java、 C/C、和 C#之后搜索次数最多的语言。

4 . CodaesCodaes在这个源代码搜索领域似乎并不起眼，能够搜索到的代码数量也只有2.5亿条，究其原因可能是该网站的搜索服务发展似乎已经停滞好几年了。

Codaes主要关注的是关于Linux方面的C/C++项目代码，但这在今天似乎有些过时了！除非这就是你要找的内容，否则除此之外你有更好的搜索选择。