开放/源代码文本索引和搜索的建议 [关闭]

Question

我刚刚发现了 Lucene（Java 库）并开始阅读它。

我对获取一些文学作品（例如，Philo、Josephus）并将它们编入索引很感兴趣，然后进行以下类型的分析（类似于某些圣经软件程序所做的）：

1) 在单词 y 的 2 或 3 个单词中找到单词 x

2) find "work* of * hand*" - 会找到“works of your hands”、“work of his hand”等...

3) 找到文学模式（也称为“主题”），例如他们的作者使用“在那一天”这个短语。 （我认为这可能是最棘手的，可能必须找到 2-7 个单词短语的所有组合，然后对它们进行计数和排名，例如只显示前 25 个）。例如，这可能表明 Josephus 喜欢使用一组短语，而 Philo 喜欢使用另一组。

您有什么推荐的开源库吗？ 我的语言偏好可能是 1) Python、2) C#、3) Java。 理想情况下，不依赖于任何专有数据库。

谢谢，

尼尔

Answer 1

在我看来，就受欢迎程度、社区、活动和工具而言，Lucene 是最好的。我建议您查看构建在 Lucene 之上的 Solr。我发现的另一个开源索引框架是Egothor，我不确定它的采用率是多少。

here is a survey 可能会帮助您选择合适的。

Here你可以找到更多的开源和商业库。我见过很少有人支持超过 1 种编程语言的绑定。如果您决定使用 Lucene，那么您可能需要 Luke 来进行调试。