java开元搜索引擎列表

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：MsWord,MsExcel,MsPowerPoint,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。