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

CNDEV.ORG

当前在线

论坛

CBD
- 程序员情感CBD
- 程序员见面交流会
CBD开发区
- Java/J2ME
- .NET/C#
- 数据库
- Delphi/BCB
- Visual C
其它
情感
游戏
- CNDEV-CS/WOW
- 浩宇长空
生活
论坛系统

中国开发网: 论坛: 程序员情感CBD: 贴子 716036

十方： 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

[阅读: 443] 2009-04-17 02:34:59

<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 [539] 2009-04-17 00:06)
- google和百度 (空) (玉楼 [464] 2009-04-17 00:22)
  - 他们提供内网搜索那种企业产品吗？ (空) (十方 [441] 2009-04-17 01:32)
    - 不知道 (空) (玉楼 [476] 2009-04-17 01:50)
- Doug Cutting, Lucene, Nutch (45字) (sealw [579] 2009-04-17 00:36)
- 全文检索？ (空) (Apache [491] 2009-04-17 01:03)
  - TRS 我用过，还不错， (20字) (Apache [525] 2009-04-17 01:04)
    - 你真的用过trs吗？真用过没有说不错的... (空) (virushuo [489] 2009-04-17 04:40)
      - 废话，我当然真用过 (空) (Apache [463] 2009-04-17 05:17)
        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 [522] 2009-04-17 05:19)
        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 [469] 2009-04-17 05:48)
        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 [478] 2009-04-17 05:55)
  - 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 [493] 2009-04-17 01:36)
    - 没明白你的意思 (空) (Apache [465] 2009-04-17 01:41)
- 找火炬，银杏搜索啊 (空) (wzydf [476] 2009-04-17 01:16)
- 具体些的功能需求是？word/pdf等搜不搜？ (空) (乌烟 [482] 2009-04-17 01:43)
  - 网页？数据库？ (空) (乌烟 [427] 2009-04-17 01:49)
  - 要在内网搜什么？员工硬盘上的搜不搜？ (空) (乌烟 [535] 2009-04-17 01:51)
  - http://red-piranha.sourceforge.net/ (空) (乌烟 [540] 2009-04-17 01:53)
    - Last Update: Oct 28 2007 (空) (newbee [437] 2009-04-17 02:20)
    - 为什么你最近推荐的东西都系英文的。 (空) (十方 [454] 2009-04-17 02:32)
      - 向sealw牛学习 (空) (乌烟 [472] 2009-04-17 02:37)
        互相学习 (空) (sealw [486] 2009-04-17 05:40)
  - 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 [534] 2009-04-17 02:29)
    - 咯咯，这样的啊，开源方案挺多的。 (空) (乌烟 [510] 2009-04-17 02:37)
      - 开源的引擎和商业的还是有很大差距的 (空) (Apache [440] 2009-04-17 02:46)
- 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 [488] 2009-04-17 01:54)
  - 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 [573] 2009-04-17 05:51)
    - 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 [540] 2009-04-17 06:02)
      - 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 [455] 2009-04-17 06:08)
        自己Google去吧 (空) (Apache [484] 2009-04-17 06:22)
        再补充一个语义分词，可以一并看一下 (空) (Apache [447] 2009-04-17 06:22)
- 大牛外包吧 (空) (Apache [458] 2009-04-17 02:10)
  - 不是外包，是购买成熟产品 (空) (十方 [506] 2009-04-17 02:30)
    - 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 [545] 2009-04-17 02:49)
      - 别害人了。 (空) (virushuo [452] 2009-04-17 04:41)
        为什么说我害人？你用过这个产品？ (空) (Apache [399] 2009-04-17 05:05)
        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 [515] 2009-04-17 05:48)
        可能我们用的版本不同吧，6.0以上还是不错的 (41字) (Apache [521] 2009-04-17 05:58)
        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 [480] 2009-04-17 06:06)
        哦，对了，trs没法在一个库放几百万文档 (空) (virushuo [470] 2009-04-17 06:07)
        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 [518] 2009-04-17 06:14)
        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 [543] 2009-04-17 06:08)
        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 [500] 2009-04-17 06:09)
        此言差矣了，难道全文检索就是数据库 like ％ (20字) (Apache [469] 2009-04-17 06:12)
        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 [541] 2009-04-17 06:17)
        。 (空) (Apache [444] 2009-04-17 06:18)
        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 [526] 2009-04-17 06:18)
        是这样的，都没有技术难度，只要有时间都可以搞定 (14字) (Apache [586] 2009-04-17 06:20)
        这东东我也写过一个，还真是个纯体力活 (空) (pinxue [462] 2009-04-17 09:55)
- 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 [442] 2009-04-17 02:34)
  - 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 [392] 2009-04-17 02:40)
    - 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 [474] 2009-04-17 02:59)
      - 区域指的是？ (空) (乌烟 [419] 2009-04-17 03:05)
- 看到了一个：Google Search Appliance (空) (十方 [461] 2009-04-17 02:57)
  - 昨天也看到了，mini 的价格似乎是3K 多 $ (空) (Apache [426] 2009-04-17 03:05)
  - 但是国内好像没有卖的 (空) (十方 [447] 2009-04-17 03:10)
- ginkgotek.com 不过内网我们不做。呵呵。 (空) (virushuo [422] 2009-04-17 04:37)
  - 唉啊 (空) (十方 [454] 2009-04-17 06:05)
- autonomy (空) (C007 [445] 2009-04-17 05:05)
- 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 [483] 2009-04-17 05:09)
  - 是在不行就忽悠这些公司了，不过有些不甘心 (空) (十方 [358] 2009-04-17 06:05)
    - 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 [437] 2009-04-17 06:10)
      - 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 [448] 2009-04-17 06:35)
- 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 [545] 2009-04-17 09:48)
  - 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 [508] 2009-04-17 10:02)
  - 那赶紧得外包得了 (16字) (pinxue [471] 2009-04-17 10:05)
  - 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 [422] 2009-04-17 11:20)
  - 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 [541] 2009-04-17 12:01)
    - 盘符有个数上限的。 (空) (zhong [464] 2009-04-17 14:03)
      - 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 [478] 2009-04-17 14:49)
- 找virushuo牛的银杏吧。 (9字) (龙之吻 [417] 2009-04-20 12:46)
- 最近找了些autonomy ，ominfind的资料。哪个大牛用过。说说 (空) (C007 [499] 2009-04-21 03:06)
  - 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 [622] 2009-04-21 03:29)
    - CSDN用的好像也是海量？ (空) (乌烟 [404] 2009-04-21 03:30)
      - 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 [545] 2009-04-21 03:32)
    - 海量？你说autonomy用的海量的分词算法吗？ (空) (C007 [406] 2009-04-21 03:56)
    - 搜了一下。国内公司的产品就不用考虑了 (空) (C007 [419] 2009-04-21 04:02)
      - 中文和英文的分词算法思路有很大差异的。 (36字) (Apache [576] 2009-04-21 05:08)
        这个不是关键 (空) (C007 [369] 2009-04-21 06:33)
        那关键是？ (空) (Apache [351] 2009-04-21 06:37)
        能忽悠住人的 (空) (C007 [384] 2009-04-21 07:03)
        明白了 (空) (Apache [388] 2009-04-21 07:04)
- 从技术角度，除了分词还有啥子需要重点关注的！ (空) (C007 [392] 2009-04-21 07:12)
  - 全文检索 (空) (龙之吻 [427] 2009-04-21 11:48)
    - . (空) (Apache [375] 2009-04-21 12:32)
    - BS (空) (C007 [408] 2009-04-22 03:11)

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: 0.023 - 795760