关于开发简易搜索引擎的一些总结和思考

在大学期间，有段时间对搜索还是比较感兴趣的，就研究了几天。后来，发现搜索引擎太难搞了，分词啥的，好多都是纯算法。感觉没啥意思，so就半途而废，玩别的技术领域去了。

大学毕业加入秒针，对广告和监测有了一定的兴趣。so又想搞搜索引擎了，大概的目标就是，从网上爬去内容，建立索引，网友搜索、点击、广告点击等监测统计，存到数据库。

这个项目，还真是做了，做完了一个Demo版。借助jsoup和自己写几行代码爬网页， 然后用lucene建立索引，然后就可以查询了，只能存储最基本的日志。项目名称叫做FansITSearch。

这个项目，还有另外一个用途， 就是索引硬盘中的内容，比如TXT、PDF、Word、Excel等各种类型的文档，方便自己查找。我们应该非常清楚地看到，Windows自带的搜索，慢的和蜗牛一样。

桌面搜索引擎，不知道有没有比较牛逼的，反正我还没有注意到。

2014年下半年，在写个人官网和BriefCMS，都是侧重内容型的网站，建立全站的全文搜索，还是非常有实际价值的。

在网站中，加入全文搜索功能，除去技术实现，怎么接入有2种思路：
1.把Lucene实现的全文索引和查询，做成基础库。
其他业务项目需要使用，就引入这个基础库，开发起来，只需要提供数据等接口就可以了。
这种方式，我觉得相对容易实现。毕竟是白盒的，能直接看到代码，定制很容易。

2.把全文搜索做成一项服务。
这个网站是一个独立的项目，其它任何内容型的网站，如果需要搜索功能，使用它的服务就好。
比如，百度早期就是给其它门户网站提供站内搜索。
服务怎么去实现呢，毕竟各个项目之间要互相独立。

关于功能
1. 爬虫
用jsoup解析页面的url、自己写递归、逻辑判断，也可以使用WebMagic、Apache-solr。
solr一定得认真研究下，http://lucene.apache.org/solr/

2.存储数据
文件、数据库

3.索引
lucene做

4.查询
lucene

5.统计。

自己写代码，比如搜索词、点击。

原文首发：http://fansunion.cn/article/detail/579.html

写这篇文章，其实是想做个一个关于搜索的总结，同时，为2015年预计的开发做个思想准备，知道自己应该去解决哪些问题。

预计2015年的项目有，小雷官网、BriefCMS、简易搜索、电商网站。

力求做到，思路清晰、代码复用、 有商业价值、提高个人技术水准，更重要的是为可能的若干年之后的，“去而复返”做写技术准备。