Как мы создаем простое использование поисковой системы Lucene, Solr или Nutch?

Мне везло с lucene, но это не щелчок, установка и поиск, действительно требуется немного работы.
При необходимости в чем-то, что эй может загрузить и установить и ищет в течение 10 минут, смотрит на свободный Выпуск Yahoo Ominifind http://omnifind.ibm.yahoo.net/, он использует Lucene, но упаковывается таким образом, что он настроен и готов работать после установки, намного более легкий способ попробовать Lucene.

Устройство поиска Google http://www.google.com/enterprise/gsa/

Я думаю, что Вы хотите, чтобы система управляла Вашим файлом PDF. Попытайтесь использовать dspace систему. Dspace является цифровой библиотекой, он поддерживает Lucene на основе. www.dspace.org.

Смотрите на eprints. Это включает рабочий процесс для добавления новых документов, автоматически индексирует и миниатюры PDF и имеет довольно всестороннюю функциональность полнотекстового поиска. Это может также быть легко настроено и выпущено под брендом.

Почему изобретают велосипед. Снова.

Ответ на такой широкий вопрос на этом форуме будет жесток. Я рекомендовал бы проверить книгу Lucene в Действии, которое покрывает основы индексации и поиска довольно читаемым способом.

Учитывая Ваше приложение, это походит на Nutch, и Solr, вероятно, не будет необходим. Так как все Ваши документы доступны локально, Nutch, вероятно, не будет полезен. Solr может помочь Вам управлять кластером искателей, если у Вас есть высокая загрузка запросов, но Lucene очень производителен, и обрабатывает большие наборы документа очень масштабируемым способом.

Одной областью, которая могла бы использовать большое Ваше усилие, является использование PDF. Возможно индексировать документы в формате PDF, и существуют вклады Lucene для упрощения извлечения необработанного текста от PDFs, но в зависимости от документа, может варьироваться качество результатов. Часто, контекст ключевого слова в документе в формате PDF неясен из-за форматирования инструкций, и это может мешать делать поиски с расстоянием или показывать контекст хита.

Если у Вас есть сервер Linux, Вы могли бы использовать Гончую, чтобы индексировать их и затем просто использовать функциональность поиска, которая идет с нею. Это имеет (экспериментальный) интерфейс веб-поиска, и это может быть сцеплено в поле поиска FireFox также.

Это автоматически индексирует файлы, поскольку они включены, и я подозревал бы, что Вы найдете намного более эффективным улучшить или зафиксировать гончую, чем записать Ваш собственный поисковый интерфейс в Lucene.

Имея (по моему скромному мнению), явное преимущество того, чтобы быть на Mac, я использую SearchLight на несколько более старом G5. хороший веб-интерфейс для лучения, встроенный сервис индексации Mac OS.

Плагин Nutch + Lucene + Pdf, включенный в Nutch, - ваше решение. Nutch позволяет анализировать PDF-файлы, включив плагин PDF.

Lucene позволит вам индексировать просканированные и проанализированные данные, а Nutch имеет сервлет, который дает вам интерфейс поиска.

Мы используем то же самое для наших внутренних ланов.

Отличная бесплатная технология поиска, на которую вы могли бы обратить внимание, - это IBM Yahoo! бесплатный поиск. Я не уверен, реализовали ли они планы использования Lucene «под прикрытием», но он остается одним из действительно великих восточноевропейских технологий использования бесплатных поисковых технологий. Я считаю, что он обрабатывает до 500K документов, а также поддерживает PDF и другие нетекстовые форматы. Графический пользовательский интерфейс; легко настраивать результаты поиска и базовую аналитику поиска. Базовый тезаурус и мощный API, чтобы вы могли делать практически все, что захотите, если стандартные результаты вам не нравятся. Мы предложили это ряду клиентов, у которых было менее полумиллиона документов, и им это понравилось.