Category Archives: seo

现在用的比较多的搜索引擎如sphinx,solr,lucene,phpdig,sphider等，都各有千秋，比如sphider就比较适合CMS的网站来运行，而solr就比较适合企业级的大型应用了，sphinx比较适合于中型系统的应用，比如phpwind就提供了对sphinx的支持，但是phpdig、sphider就只是对网页的抓取，然后自动建立索引机制，不利于二次开发使用，其他的如sphinx、lucene可以使用客户端的API进行二次的开发搜索，其实搜索的主要点在于对搜索语句的断词，现在比较通用简单的办法就是双向最大匹配法,在英文的行文中，单词之间是以空格作为自然分界符的，而中文只是字、句和段能通过明显的分界符来简单划界，唯独词没有一个形式上的分界符，虽然英文也同样存在短语的划分问题，不过在词这一层上，中文比之英文要复杂的多、困难的多。比如国内的SCWS就是采用了一套基于词频词典的机械中文分词引擎，它能将一整段的汉字基本正确的切分成词，同时比如PHPCMS就实现了对词的分词。搜索引擎中最重要的就要属于词典了，词典的结构很大程度上能影响搜索程序和算法的效率，其实百度和GOOGLE的大多数精力我相信应该是放在了词典上了。一般的中大型网站的简易的搜索引擎的办法就是采用了建立所谓的索引表，将用户搜索的关键字和词保存进数据库的索引表中，从一定程度上减轻了搜索时对数据库的压力，但是我觉得如果数据库的数据量一旦达到了百万记录的时候，还是专门弄个独立的搜索如sphinx的搜索服务器是个比较好的做法，当然对于一些CMS网站，完全可以使用第三方的引擎API来实现搜索，如果GOOGLE和百度的API，简单，实用，只要你的页面被收录的够多的话，不失为解决方法之一。