Fulltextový vyhledávač pro komunitní server

Jsou online služby, které se bez integrace fulltextového vyhledávání neobejdou. Na jednom projektu

vyvstala potřeba prozkoumat možnosti integrace search enginu třetí strany. Jedná se o komunitní server,

kde je vyhledávání jednou z klíčových vlastností. Zkusil jsem si udělat takový malý průzkum jehož

součástí je i tenhle spot.

Základní předpoklad je ten, že daný nástroj bude mít webový crawler, který se pustí na daný server a

provede vybudování indexu. Nejedná se tedy o to, že by bylo potřeba indexovat nějaké lokální dokumenty či

tak podobně. Omezující faktore je to, že není možné využít vyhledávání třetích stran s vloženou reklamou

jako Addwords či tak podobně.

Základní požadavky (se5ayeno podle důležitosti)

• relevantnost výsledků
• rychlost vyhledávání
• podpora vyhledávání v různých jazycích
• snadná integrace
• custimizace výsledků vyhledávání
• dobrá cena

Pro mě osobně je synonymem hledání Google a proto vedly moje první kroky na Google Mini.

Google Mini

Výhody

• prověřená kvalita vyhledávání
• jednoduchá instalace (plug&play) a administrace (webové rozhraní)
• technická podpora Google

Nevýhody

• žádná možnost si to otestovat (pokud člověk pomine měsíční garanci na vrácení peněz)
• omezení na 100 000 dokumentů
• relativne nákladnější $2,995

Dalším na řadě byl engine Apache Lucene, na

který mě navedl článek Diona Almera I Love Lucene (diskuse TSS).

Apache Lucene

Výhody

• je to úplně zdarma a open source
• žádná omezení indexace
• pokročilé možnosti integrace skrze API

Nevýhody

• absolutně neprověřené
• složitá konfigurace (nutnost programovat)
• chybějící web crawler

Kdybych to zjednodušil tak, Lucene ja takový polotovar, který je třeba opracovat, než jej bude možné

nasadit. Avšak existují velké množství

softwaru, který Lucene využívá, z těch známějších JIRA (issue tracker), Eclipse nebo Roller (obdoba

Bloggeru). Na Lucene jsou rovněž přímo založeny dva webové vyhledávače Nutch a Red-Piranha, oba dva open source a oba odstraňující

problém webového crawleru.

Protože jsme patriot, napadlo mě Jyxo resp jeho Jyxo Data, které osobně používám pokud selže Google při vyhledávání ryze

českého obsahu.

Jyxo

Výhody

• relativně prověřená kvalita vyhledávání
• žádná omezení indexace
• jednoduchá integrace skrze XML

Nevýhody

• podpora jiných jazyků (angličtina, francouzština
• neznámá cenová politika

Velice bych uvítal v diskusi Vaše zkušenosti, postřehy a názory.