我在Phalcon有一个网站,我正在尝试添加一个搜索引擎.但是,内容不在数据库中,而是位于app / views /中的平面文件中.
我从来没有实现过搜索引擎,但从我收集的内容来看,似乎Lucene或Solr / Sphinx就是我所需要的.
这些工具是否提供了解析我的网站ala HTTrack的选项,从而创建索引和必要的绝对URI超链接？
如何指定要解析的HTML文件的哪个部分？他们如何与忽略某些领域(例如HTML,JS)进行交互？
解决方法:
Lucene首先是一个指数.这甚至不是数据库,如果你愿意,它只是数据库的索引部分.它在索引中具有高度可配置性,以及如何以及以原始格式保留哪些数据以及索引后可以丢弃的内容.首先创建一个模式,就像创建数据库模式一样.但是,对于Lucene,架构定义了用于为字段创建索引的标记器和过滤器类型.然后,您将文档提供到其中,以使其填充索引.这取决于你,有几种不同的API可以让你输入数据.“网络爬虫”不是其中之一,它不会自动发现你的数据.然后,您可以通过各种方式查询索引,以检索之前已输入的文档.简而言之就是这样.
Lucene几乎完全是索引引擎,它将文本和其他数据标记化并转换为可以快速查询的索引.如果您已经调整了索引并相应地查询,那么让您查询“小部件制造商”并返回带有文本“小部件制造商”的文档的部分. Solr是一个包裹Lucene的设备,它添加了一个基于HTTP的API和其他一些细节.两者仍然是一些可用于构建搜索引擎的低级工具.无论如何,它不是像谷歌这样的开箱即用的“搜索引擎”.
标签：php,search-engine,phalcon 来源： https://codeday.me/bug/20190708/1407229.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。