13 款開源的全文搜索引擎
本文轉載自xum2008的博客，主要介紹13款現有的開源搜索引擎，你可以將它們用在你的項目中以實現檢索功能。
1. Lucene
Lucene的開發語言是Java，也是Java家族中最為出名的一個開源搜索引擎，在Java世界中已經是標準的全文檢索程序，它提供了完整的查詢引擎和索引引擎，沒有中文分詞引擎，需要自己去實現，因此用Lucene去做一個搜素引擎需要自己去架構.另外它不支持實時搜索，但linkedin和推ter有分別對Lucene改進的實時搜素. 其中Lucene有一個C++移植版本叫CLucene，CLucene因為使用C++編寫，所以理論上要比lucene快.
官方主頁：http://lucene.apache.org/
CLucene官方主頁：http://sourceforge.net/projects/clucene/
2. Sphinx
Sphinx是一個用C++語言寫的開源搜索引擎，也是現在比較主流的搜索引擎之一，在建立索引的事件方面比Lucene快50%，但是索引文件比Lucene要大一倍，因此Sphinx在索引的建立方面是空間換取事件的策略，在檢索速度上，和lucene相差不大，但檢索精準度方面Lucene要優于Sphinx，另外在加入中文分詞引擎難度方面，Lucene要優于Sphinx.其中Sphinx支持實時搜索，使用起來比較簡單方便.
官方主頁：http://sphinxsearch.com/about/sphinx/
3. Xapian
Xapian是一個用C++編寫的全文檢索程序，它的api和檢索原理和lucene在很多方面都很相似，算是填補了lucene在C++中的一個空缺.
官方主頁：http://xapian.org/
4. Nutch
Nutch是一個用java實現的開源的web搜索引擎，包括爬蟲crawler，索引引擎，查詢引擎. 其中Nutch是基于Lucene的，Lucene為Nutch提供了文本索引和搜索的API.
對于應該使用Lucene還是使用Nutch，應該是如果你不需要抓取數據的話，應該使用Lucene，最常見的應用是：你有數據源，需要為這些數據提供一個搜索頁面，在這種情況下，最好的方式是直接從數據庫中取出數據，并用Lucene API建立索引.
官方主頁：http://nutch.apache.org/
5. DataparkSearch
DataparkSearch是一個用C語言實現的開源的搜索引擎. 其中網頁排序是采用神經網絡模型. 其中支持HTTP，HTTPS，FTP，NNTP等下載網頁.包括索引引擎，檢索引擎和中文分詞引擎(這個也是唯一的一個開源的搜索引擎里有中文分詞引擎).能個性化定制搜索結果，擁有完整的日志記錄.
官方主頁：http://www.dataparksearch.org/
6. Zettair
Zettair是根據Justin Zobel的研究成果為基礎的全文檢索實驗系統.它是用C語言實現的. 其中Justin Zobel在全文檢索領域很有名氣，是業界第一個系統提出倒排序索引差分壓縮算法的人，倒排列表的壓縮大大提高了檢索和加載的性能，同時空間膨脹率也縮小到相當優秀的水平. 由于Zettair是源于學術界，代碼是由RMIT University的搜索引擎組織寫的，因此它的代碼簡潔精煉，算法高效，是學習倒排索引經典算法的非常好的實例. 其中支持linux，windows，mac os等系統.
官方主頁：http://www.seg.rmit.edu.au/zettair/about.html
7. Indri
Indri是一個用C語言和C++語言寫的全文檢索引擎系統，是由University of Massachusetts和Carnegie Mellon University合作推出的一個開源項目. 特點是跨平臺，API接口支持Java，PHP，C++.
官方主頁：http://www.lemurproject.org/indri/
8. Terrier
Terrier是由School of Computing Science，Universityof Glasgow用java開發的一個全文檢索系統.
官方主頁：http://terrier.org/
9. Galago
Galago是一個用java語言寫的關于文本搜索的工具集. 其中包括索引引擎和查詢引擎，還包括一個叫TupleFlow的分布式計算框架(和google的MapReduce很像).這個檢索系統支持很多Indri查詢語言.
官方主頁：http://www.galagosearch.org/
10. Zebra
Zebra是一個用C語言實現的檢索程序，特點是對大數據的支持，支持EMAIL，XML，MARC等格式的數據.
官方主頁：https://www.indexdata.com/zebra
11. Solr
Solr是一個用java開發的獨立的企業級搜索應用服務器，它提供了類似于Web-service的API接口，它是基于Lucene的全文檢索服務器，也算是Lucene的一個變種，很多一線互聯網公司都在使用Solr，也算是一種成熟的解決方案.
官方主頁：http://lucene.apache.org/solr/
12. Elasticsearch
Elasticsearch是一個采用java語言開發的，基于Lucene構造的開源，分布式的搜索引擎. 設計用于云計算中，能夠達到實時搜索，穩定可靠. Elasticsearch的數據模型是JSON.
官方主頁：http://www.elasticsearch.org/
13. Whoosh
Whoosh是一個用純python寫的開源搜索引擎.
官方主頁：https://bitbucket.org/mchaput/whoosh/wiki/Home