哪个自定义搜索引擎？

Question

我有一个网站在 Apache 上运行，PHP 和 MySQL。

我希望对存储在MySQL 表以及.pdf 和.docx 文档中的文本实现自定义搜索引擎。

我不确定要使用哪个 API。

我查看了 Google 的 Custom Search Engine (CSE) 和 Elastic Search。我了解到，Elastic 只能在基于 Java 的服务器上运行，因此我无法走这条路。

我知道 Elastic 可以通过其 REST api 处理我的要求。 Google CSE 是否能够做到这一点，即搜索存储在数据库表和 PDF 中的文本？还有其他可能的自定义搜索 API 吗？

Answer 1

诸如 Google 自定义搜索引擎（在您的情况下为 Google Site Search）甚至任何其他网络机器人（例如 Nutch）之类的解决方案只会读取 Web 端的内容：浏览器可以访问的内容（不是登录）并通过显示网页的 URL（带有标题和文本内容的摘录）对其进行分类。

如果无需登录即可访问所有 PDF、docx 和网页，那么它的效果非常好。网络应用程序创建者应该启用它。这并不意味着普通用户可以访问所有内容，只有机器人可以访问（例如，Springer 发布者邀请 Google bot 访问几乎所有内容，但不能访问普通浏览器）。

如果您希望搜索服务器仅访问数据库的字段，它需要与您的数据库通信。谷歌站点搜索（谷歌自定义搜索的一种形式）不允许这样做。 ElasticSearch 和 Apache Solr 允许这样做。但是，出于安全原因，大多数 Web 托管服务不会从外部访问数据库端口。因此，您可能会看到另一个要求您在本地运行搜索服务器。

运行 java 或 Google CSE 的要求似乎是不可避免的。我知道在其他语言中没有相同质量的解决方案（例如 Drupal 可以提供基于 MySQL 的文本搜索，但它的容忍度要低得多）。现在很多云节点都可以运行java。