迅速搭建全文搜索平台——开源搜索引擎实战教程

本书作为有心进入搜索引擎业的读者的第二本基础书籍，承接其兄弟篇，讲解了开源搜索引擎的搭建过程中所要解决的基本问题，将搜索引擎这一高起点的技术讲解得清晰透彻，使其变得极为好学，没有任何神秘可言。本书共包括5章，可以分成两个部分。 第一部分(第1章)：建立搜索引擎的方案。这部分用数少的文字总结建立搜索引擎的主要方案，即：常规的数据库搜索、文件搜索，基于数据库全文索引机制的搜索，利用外部非开源Web搜索服务进行的搜索，以及利用开源搜索引擎实现的搜索。 第二部分(第2～5章)：架设网络搜索引擎。从第2章起，陆续介绍数据抓取、数据解析、建立索引和执行搜索这四项内容，它们是创建网络搜索平台所要解决的基本问题；第5章，介绍基于Hyper Estraier搜索引擎框架来搭建桌面搜索引擎和Web搜索引擎的方法，给出了相关的案例。 本书所有源代码都放在出版社的网站上(http：//press.bjtu.edu.cn)，读者可以免费下载。

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  常规的数据库搜索   1.1.2  常规的文件搜索   1.1.3  基于数据库全文搜索功能的搜索   1.1.4  基于windows索引服务的全文搜索   1.1.5  四种基本方案的总结  1.2  利用商业搜索引擎接口实现的全文搜索   1.2.1  第一种基于GOogle Search API的搜索   1.2.2  第二种基于goode Search API的搜索  1.3  利用开源搜索引擎框架实现的全文搜索  小结  思考与练习 第二部分  架设网络搜索引擎第2章  数据抓取  2.1  WebLech    2.1.1  关于WebLech    2.1.2  下载WebLech    2.1.3  WebLech 的使用方法   2.1.4  使用WebLech 2.2 WebSPHINX   2.2.1  关于WebSPHINX   2.2.2  下载WebSPHINX   2.2.3  使用WebSPHINX 2.3  J-Spider   2.3.1  关于J-Spider   2.3.2  下载J-Spider   2.3.3  使用J-Spider  小结  思考与练习第3章  数据解析  3.1  解析PDF文档   3.1.1  使用PDFBox解析PDF文档   3.1.2  使用Xpdf解析PDF文档  3.2  JACOB组件的使用   3.2.1  下载JACOB组件   3.2.2  JACOB的基本用法  3.3  解析word文档   3.3.1  使用textmining组件解析word文档   3.3.2  使用Java2Word组件解析Word文档   3.3.3  使用JACOB组件解析Word文档 3.4  解析Excel文档   3.4.1  使用JDBC访问Excel文档   3.4.2  使用POI组件解析Excel文档   3.4.3  使用Java Excel API解析Excel文档  3.5  解析Powerpoint，Outlook和Access等文档  3.6  解析XML文档   3.6.1  使用DOM解析XML文档   3.6.2  使用SAX解析XML文档   3.6.3  使用JDOM解析XML文档   3.6.4  使用DOM4J解析XML文档   3.6.5  把XML文档解析成纯文本 3.7  解析HTML文档   3.7.1  下载HTMLParser组件   3.7.2  HTMLParser组件的使用   3.7.3  中文问题的提出    3.7.4  网页解析的一般方法  小结  思考与练习第4章  建立索引和执行搜索 4.1  Hyper Estraier简述   4.1.1  下载Hyper Estraier   4.1.2  安装Hyper Estraier   4.1.3  初试HyperEstmier 4.2  使用Java API   4.2.1  初试Java API   4.2.2  再试Java API  4.3  基于Hyper Estraier的应用   4.3.1  基于Hyper Estraier的桌面搜索应用   4.3.2  基于Hyper Estraier的Web搜索应用  4.4  Hyper Estraier的中文搜索   4.4.1  Hyper Estraier对中文的支持 4.4.2 UNICODE的应用 4.4.3 一个避开语言问题的方案 4.4.4 对编码解码器的思考 小结 思考与练习第5章 创建搜索引擎 5.1 流程概述 5.1.1 实现步骤 5.1.2 目录结构 5.2 数据抓取 5.2.1 实现抓取 5.2.2 不足之处 5.3 数据解析 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 纯文本解析器 5.3.7 集合解析器 5.3.8 不足之处 5.4 建立索引 5.4.1 索引器 5.4.2 搜索器 5.4.3 不足之处 5.5 Web搜索引擎 5.5.1 创建搜索引擎 5.5.2 测试搜索引擎 5.5.3 不足之处 小结 思考与练习