1、有一个内网，上面有N个Web站点 2、个站点内容比较杂 3、能自动抓取和搜索这些网站上面的内容 4、具有一定的定制和改进能力 <- 中国开发网

账号

中国开发网: 论坛: 程序员情感CBD: 贴子 716036

十方 · 2009-04-17 10:34:59 · 阅读: 581

1、有一个内网，上面有N个Web站点 2、个站点内容比较杂 3、能自动抓取和搜索这些网站上面的内容 4、具有一定的定制和改进能力

<空>

相关信息:

有人能给我推荐网络所搜引擎公司和产品吗？想购买现成可靠的产品用于内网搜索 (空) (十方 [736] 2009-04-17 08:06)
- google和百度 (空) (玉楼 [586] 2009-04-17 08:22)
  - 他们提供内网搜索那种企业产品吗？ (空) (十方 [573] 2009-04-17 09:32)
    - 不知道 (空) (玉楼 [614] 2009-04-17 09:50)
- Doug Cutting, Lucene, Nutch (45字) (sealw [791] 2009-04-17 08:36)
- 全文检索？ (空) (Apache [698] 2009-04-17 09:03)
  - TRS 我用过，还不错， (20字) (Apache [720] 2009-04-17 09:04)
    - 你真的用过trs吗？真用过没有说不错的... (空) (virushuo [626] 2009-04-17 12:40)
      - 废话，我当然真用过 (空) (Apache [603] 2009-04-17 13:17)
        如果六间房的视频搜索是你们做的，我感觉trs 比你们搜的准 (空) (Apache [664] 2009-04-17 13:19)
        我们的涉及用户的用法和需求。搜索不仅仅是准就行了的。 (空) (virushuo [615] 2009-04-17 13:48)
        可能我的想法不是太专业，我觉得搜的快，搜的准就行了 (空) (Apache [677] 2009-04-17 13:55)
  - 不是全文检索，是搜索引擎，前者是具体技术，后者是整体解决方案 (空) (十方 [624] 2009-04-17 09:36)
    - 没明白你的意思 (空) (Apache [604] 2009-04-17 09:41)
- 找火炬，银杏搜索啊 (空) (wzydf [603] 2009-04-17 09:16)
- 具体些的功能需求是？word/pdf等搜不搜？ (空) (乌烟 [612] 2009-04-17 09:43)
  - 网页？数据库？ (空) (乌烟 [608] 2009-04-17 09:49)
  - 要在内网搜什么？员工硬盘上的搜不搜？ (空) (乌烟 [1076] 2009-04-17 09:51)
  - http://red-piranha.sourceforge.net/ (空) (乌烟 [674] 2009-04-17 09:53)
    - Last Update: Oct 28 2007 (空) (newbee [557] 2009-04-17 10:20)
    - 为什么你最近推荐的东西都系英文的。 (空) (十方 [595] 2009-04-17 10:32)
      - 向sealw牛学习 (空) (乌烟 [613] 2009-04-17 10:37)
        互相学习 (空) (sealw [615] 2009-04-17 13:40)
  - 谢谢你的热心和支持。我们有一个内网，上面有不少站点，想做一个搜索，你说的网页、word、pdf、数据库系统都有的，员工没有共享出来的东西就不搜索了 (空) (十方 [663] 2009-04-17 10:29)
    - 咯咯，这样的啊，开源方案挺多的。 (空) (乌烟 [652] 2009-04-17 10:37)
      - 开源的引擎和商业的还是有很大差距的 (空) (Apache [582] 2009-04-17 10:46)
- 以我的经验是，引擎的质量直接决定搜索的质量，引擎最重要，周边的东西都可以自己搭，DIY个爬虫这些都不难 (空) (Apache [637] 2009-04-17 09:54)
  - 这个也是外行说的。除了效率，所有的引擎都是一样的。所有都是反向索引＋位运算。所有所有所有的引擎都是一样的，没有任何区别。 (空) (virushuo [723] 2009-04-17 13:51)
    - 个人认为搜索引擎的搜索结果是否准确在于分词算法，这直接决定了搜索引擎是否好用 (91字) (Apache [734] 2009-04-17 14:02)
      - 您也别把一堆名词堆在一起吧。。。啥叫机械分词，啥叫统计分词啊？ (空) (virushuo [591] 2009-04-17 14:08)
        自己Google去吧 (空) (Apache [673] 2009-04-17 14:22)
        再补充一个语义分词，可以一并看一下 (空) (Apache [628] 2009-04-17 14:22)
- 大牛外包吧 (空) (Apache [642] 2009-04-17 10:10)
  - 不是外包，是购买成熟产品 (空) (十方 [1073] 2009-04-17 10:30)
    - 卖引擎的公司都有很多方案供你选择，只是钱多钱少和需求符合度的问题了 (65字) (Apache [756] 2009-04-17 10:49)
      - 别害人了。 (空) (virushuo [588] 2009-04-17 12:41)
        为什么说我害人？你用过这个产品？ (空) (Apache [546] 2009-04-17 13:05)
        我不仅用过，还找了他们一个bug，他们不肯改，我只好自己hack 了一下，打了个补丁。就他们那2下子，也就政府机关敢用，反正只是为花钱找个接口。 (空) (virushuo [649] 2009-04-17 13:48)
        可能我们用的版本不同吧，6.0以上还是不错的 (41字) (Apache [722] 2009-04-17 13:58)
        拜托，几万个1秒还值得说嘛...几百万个也不应该超过1秒啊.... (空) (virushuo [612] 2009-04-17 14:06)
        哦，对了，trs没法在一个库放几百万文档 (空) (virushuo [593] 2009-04-17 14:07)
        这个资料不在手，不敢肯定，不过可以自动分库这一点是肯定的。 (空) (Apache [663] 2009-04-17 14:14)
        很遗憾，我没有那么大压力的应用场景作测试，也只能说说我实际测试过的性能 (空) (Apache [681] 2009-04-17 14:08)
        几万文档，用这种技术都可惜了，直接在数据库里面like都挺好的。。 (空) (virushuo [638] 2009-04-17 14:09)
        此言差矣了，难道全文检索就是数据库 like ％ (20字) (Apache [672] 2009-04-17 14:12)
        几万文档用like足够了，体现不出来任何全文搜索的优点，太少了。 (空) (virushuo [672] 2009-04-17 14:17)
        。 (空) (Apache [575] 2009-04-17 14:18)
        doc,pdf什么的导入，那才真是没技术含量的事呢。跟搜索引擎没任何关系。 (空) (virushuo [663] 2009-04-17 14:18)
        是这样的，都没有技术难度，只要有时间都可以搞定 (14字) (Apache [789] 2009-04-17 14:20)
        这东东我也写过一个，还真是个纯体力活 (空) (pinxue [600] 2009-04-17 17:55)
- 1、有一个内网，上面有N个Web站点 2、个站点内容比较杂 3、能自动抓取和搜索这些网站上面的内容 4、具有一定的定制和改进能力 (空) (十方 [580] 2009-04-17 10:34)
  - 如果只是抓取网站内容，那好办，页面相关的内容的内容呢？企业性质的搜索不要求共享出来的文档？ (空) (乌烟 [523] 2009-04-17 10:40)
    - 在一个很大的区域内有一个网络（当然不是互联网），上面有Web网站 (空) (十方 [618] 2009-04-17 10:59)
      - 区域指的是？ (空) (乌烟 [580] 2009-04-17 11:05)
- 看到了一个：Google Search Appliance (空) (十方 [594] 2009-04-17 10:57)
  - 昨天也看到了，mini 的价格似乎是3K 多 $ (空) (Apache [571] 2009-04-17 11:05)
  - 但是国内好像没有卖的 (空) (十方 [574] 2009-04-17 11:10)
- ginkgotek.com 不过内网我们不做。呵呵。 (空) (virushuo [615] 2009-04-17 12:37)
  - 唉啊 (空) (十方 [598] 2009-04-17 14:05)
- autonomy (空) (C007 [580] 2009-04-17 13:05)
- 我准备下个月喊autonomy，ibm过来进行交流。主要就是搜索引擎、存储方面的。 (空) (C007 [628] 2009-04-17 13:09)
  - 是在不行就忽悠这些公司了，不过有些不甘心 (空) (十方 [494] 2009-04-17 14:05)
    - 乌烟说的没错，你这个需求，找几个开源项目堆一下就可以了。当然如果钱很富裕，另论。 (空) (virushuo [586] 2009-04-17 14:10)
      - 我不懂Java技术啊，看来要请乌烟吃饭了，给我启蒙一下 (空) (十方 [633] 2009-04-17 14:35)
- 有一个问题没有说清楚，所以导致大家都方向稍有偏差 (14字) (十方 [722] 2009-04-17 17:48)
  - 要是价钱合适，我们倒是可以考虑。不做内网的原因是维护成本太高了。 (空) (virushuo [642] 2009-04-17 18:02)
  - 那赶紧得外包得了 (16字) (pinxue [660] 2009-04-17 18:05)
  - 丢我们吧,全方位一体化解决, 软硬件全包, 开发和后期维护服务全有.... (空) (dead_lee [555] 2009-04-17 19:20)
  - 不知道google的桌面搜索能不能扩展一下，符合你的需求。。。。。。。 (105字) (haitao [675] 2009-04-17 20:01)
    - 盘符有个数上限的。 (空) (zhong [647] 2009-04-17 22:03)
      - 那就用一个samba客户端，把所有的机器的共享目录都作为它的一系列目录。。。。。 (108字) (haitao [632] 2009-04-17 22:49)
- 找virushuo牛的银杏吧。 (9字) (龙之吻 [543] 2009-04-20 20:46)
- 最近找了些autonomy ，ominfind的资料。哪个大牛用过。说说 (空) (C007 [633] 2009-04-21 11:06)
  - autonomy还不如用海量呢，分词应该也是海量的。海量我倒是可以介绍给你。如果需要的话。 (空) (virushuo [746] 2009-04-21 11:29)
    - CSDN用的好像也是海量？ (空) (乌烟 [530] 2009-04-21 11:30)
      - csdn是免费的，支持也不怎么样。海量的问题是，东西不错，但产品做的不好，但是让他们做项目，他们给支持还可以。 (64字) (virushuo [706] 2009-04-21 11:32)
    - 海量？你说autonomy用的海量的分词算法吗？ (空) (C007 [543] 2009-04-21 11:56)
    - 搜了一下。国内公司的产品就不用考虑了 (空) (C007 [552] 2009-04-21 12:02)
      - 中文和英文的分词算法思路有很大差异的。 (36字) (Apache [747] 2009-04-21 13:08)
        这个不是关键 (空) (C007 [500] 2009-04-21 14:33)
        那关键是？ (空) (Apache [493] 2009-04-21 14:37)
        能忽悠住人的 (空) (C007 [569] 2009-04-21 15:03)
        明白了 (空) (Apache [516] 2009-04-21 15:04)
- 从技术角度，除了分词还有啥子需要重点关注的！ (空) (C007 [532] 2009-04-21 15:12)
  - 全文检索 (空) (龙之吻 [601] 2009-04-21 19:48)
    - . (空) (Apache [512] 2009-04-21 20:32)
    - BS (空) (C007 [581] 2009-04-22 11:11)

欢迎光临本社区，您还没有登录，不能发贴子。请在这里登录

页面内容处理时间: 0.014 - 610968