迅速搭建全文搜索平臺：開源搜索引擎實(shí)戰(zhàn)教程

第一部分 建立搜索引擎的方案
第1章 建立搜索引擎的方案
1.1 建立搜索引擎的基本方案
1.1.1 常規(guī)的數(shù)據(jù)庫搜索
1.1.2 常規(guī)的文件搜索
1.1.3 基于數(shù)據(jù)庫全文搜索功能的搜索
1.1.4 基于windows索引服務(wù)的全文搜索
1.1.5 四種基本方案的總結(jié)
1.2 利用商業(yè)搜索引擎接口實(shí)現(xiàn)的全文搜索
1.2.1 第一種基于GOogle Search API的搜索
1.2.2 第二種基于goode Search API的搜索
1.3 利用開源搜索引擎框架實(shí)現(xiàn)的全文搜索
小結(jié)
思考與練習(xí)
第二部分 架設(shè)網(wǎng)絡(luò)搜索引擎
第2章 數(shù)據(jù)抓取
2.1 WebLech
2.1.1 關(guān)于WebLech
2.1.2 下載WebLech
2.1.3 WebLech 的使用方法
2.1.4 使用WebLech
2.2 WebSPHINX
2.2.1 關(guān)于WebSPHINX
2.2.2 下載WebSPHINX
2.2.3 使用WebSPHINX
2.3 J-Spider
2.3.1 關(guān)于J-Spider
2.3.2 下載J-Spider
2.3.3 使用J-Spider
小結(jié)
思考與練習(xí)
第3章 數(shù)據(jù)解析
3.1 解析PDF文檔
3.1.1 使用PDFBox解析PDF文檔
3.1.2 使用Xpdf解析PDF文檔
3.2 JACOB組件的使用
3.2.1 下載JACOB組件
3.2.2 JACOB的基本用法
3.3 解析word文檔
3.3.1 使用textmining組件解析word文檔
3.3.2 使用Java2Word組件解析Word文檔
3.3.3 使用JACOB組件解析Word文檔
3.4 解析Excel文檔
3.4.1 使用JDBC訪問Excel文檔
3.4.2 使用POI組件解析Excel文檔
3.4.3 使用Java Excel API解析Excel文檔
3.5 解析Powerpoint，Outlook和Access等文檔
3.6 解析XML文檔
3.6.1 使用DOM解析XML文檔
3.6.2 使用SAX解析XML文檔
3.6.3 使用JDOM解析XML文檔
3.6.4 使用DOM4J解析XML文檔
3.6.5 把XML文檔解析成純文本
3.7 解析HTML文檔
3.7.1 下載HTMLParser組件
3.7.2 HTMLParser組件的使用
3.7.3 中文問題的提出
3.7.4 網(wǎng)頁解析的一般方法
小結(jié)
思考與練習(xí)
第4章 建立索引和執(zhí)行搜索
4.1 Hyper Estraier簡述
4.1.1 下載Hyper Estraier
4.1.2 安裝Hyper Estraier
4.1.3 初試HyperEstmier
4.2 使用Java API
4.2.1 初試Java API
4.2.2 再試Java API
4.3 基于Hyper Estraier的應(yīng)用
4.3.1 基于Hyper Estraier的桌面搜索應(yīng)用
4.3.2 基于Hyper Estraier的Web搜索應(yīng)用
4.4 Hyper Estraier的中文搜索
4.4.1 Hyper Estraier對中文的支持
4.4.2 UNICODE的應(yīng)用
4.4.3 一個避開語言問題的方案
4.4.4 對編碼解碼器的思考
小結(jié)
思考與練習(xí)
第5章 創(chuàng)建搜索引擎
5.1 流程概述
5.1.1 實(shí)現(xiàn)步驟
5.1.2 目錄結(jié)構(gòu)
5.2 數(shù)據(jù)抓取
5.2.1 實(shí)現(xiàn)抓取
5.2.2 不足之處
5.3 數(shù)據(jù)解析
5.3.1 Word解析器
5.3.2 ExceI解析器
5.3.3 PDF解析器
5.3.4 HTML解析器
5.3.5 XML解析器
5.3.6 純文本解析器
5.3.7 集合解析器
5.3.8 不足之處
5.4 建立索引
5.4.1 索引器
5.4.2 搜索器
5.4.3 不足之處
5.5 Web搜索引擎
5.5.1 創(chuàng)建搜索引擎
5.5.2 測試搜索引擎
5.5.3 不足之處
小結(jié)
思考與練習(xí)