BlogJava-爬虫工作室-随笔分类-搜索引擎http://www.blogjava.net/gooogle/category/21615.html思考Googlezh-cnTue, 17 Apr 2007 02:43:01 GMTTue, 17 Apr 2007 02:43:01 GMT60Lucene学习一http://www.blogjava.net/gooogle/archive/2007/04/16/110923.html爬虫工作室爬虫工作室Mon, 16 Apr 2007 04:09:00 GMThttp://www.blogjava.net/gooogle/archive/2007/04/16/110923.htmlhttp://www.blogjava.net/gooogle/comments/110923.htmlhttp://www.blogjava.net/gooogle/archive/2007/04/16/110923.html#Feedback1http://www.blogjava.net/gooogle/comments/commentRss/110923.htmlhttp://www.blogjava.net/gooogle/services/trackbacks/110923.html这个Lucene是个在java界有着很高声誉的全文检索包。
通过学习，自己对它算是有个初步了解。所以写下心得与经验跟朋友们分享。
对于整个网站的结构我说下我的看法
数据库+前端技术+后台处理技术。
上面的这些我就不说了。用来用去就是那几个，你觉得那个用的顺手就行了。

搜索引擎技术呢，我觉得要点是：
1。把我们分散的数据资源整合起来-----对应于Lucene的Index也就是索引的意思。
      我们把数据库的数据，按照自己的方式进行索引，关于索引的技术可以上网查看。这些索引的数据结构是可以自己定义的，这样方便查询。
2。搜索技术，因为我们的资源太分散了，就拿数据里面的资源来说吧，每个表都不同，里面的字段都不同，如果单纯采用数据库来做的话，你可能要写很多个api进行搜索。并对搜索结果进行出里，这样我们就要自己做很多事情。这么麻烦的话，我们何不把这些数据库里面的数据进行索呢，把我们需要的数据，归类，整理，然后保存到索引中，虽然这样会增加磁盘的容量，但我觉得这应该就不是问题。
      对于搜索技术，我们这里又要涉及到关于分词的技术，因为我们中文不同洋文，对分词技术的要求比较高。在这里，我也只是略微看了下Lucene的理论，具体实现，我也很模糊。如果分词分的好，对于搜索精度是有很大帮助的。

3。说实话索引就是一个数据库。他可以更新，删除，修改等。
先记录下这么多，以后在项目中实践的时候，继续说说我的理解
理解可能偏差比较大。大家不要被我误导啊。
不错的关于lucene英文书 点此下载。


爬虫工作室 2007-04-16 12:09 发表评论
]]>