帮助搜索引擎架构.NET C＃

Question

我正在尝试为所有与特定精神群体相关的文学（书籍，文章等），音乐和视频创建搜索引擎。 输入关键字后，我想显示指向所显示关键字的所有PDF文章的链接，以及所有使用相关关键字标记的音乐文件和视频文件。 用户应该能够使用诸如作者/艺术家，地点，日期/时间等信息对其进行过滤。当用户点击其中一个结果链接（例如，书名）时，他们将被带到另一个页面，其中包含片段从那本书到处都可以找到关键字。

我想过使用Lucene库（或Searcharoo）来实现我的PDF搜索，但我还需要一个数据库来标记所有其他信息，以便结果可以通过作者/艺术家信息等进行过滤。所以我在考虑拥有表格用于文本，音乐和视频，以及包含每个文件路径的字段。 输入关键字时，我需要在数据库中搜索音乐和视频文件，还需要搜索PDF文件，当应用过滤器时，音乐和视频搜索很容易，但是根据过滤器限制文本搜索越来越混乱。

我的方法是否正确？ 有没有更好的方法来做到这一点？ 由于搜索内容仅限于精神群体，因此无需搜索无限数量的项目。 我会说约100-500本书和1000-5000首歌。

Answer 1

Lucene是一种快速启动和运行而不需要太多努力的好方法，还有一些扩展索引和搜索功能的领域，以更好地满足您的需求。 它还有几种用于常见文件类型的内置分析器，例如HTML / XML，PDF，MS Word文档等。

它提供了使用各种字段的能力，并且它们不一定必须在所有文档中统一（换句话说，音乐文件可能具有与基于文本的内容不同的属性，例如艺术家，标题，长度等。 。），非常适合存储不同类型的内容。

不知道你正在做什么的确切实现，这可能是也可能不可行，但对于标记和其他相关功能，你也可以考虑使用数据库，例如MySQL或SQL Server并行Lucene指数。 使用Lucene索引进行全文搜索，然后在获得结果集后，转到数据库以提取所有关系内容。 我们公司以前做过这件事，实际上并不像听起来那么令人头痛。

注意：如果您决定采用这种方式，请小心，因为Lucene提供的“唯一ID”具有高度不稳定性（每次优化索引时它都会更改），因此您需要存储实际ID（主键在数据库）作为Document上的一个单独字段。

另一个好处是，如果你使用C＃.NET，就会有一个名为Lucene.Net的端口，它完全用C＃编写。 这里的缺点是你在所有最新功能上落后了几个月，但如果你真的需要它们，你可以随时查看Java源代码并手动实现所需的更新。

Answer 2

是的，有一个更好的方法。 尝试Solr ，特别是检查方面。 它会为你省去很多麻烦。

Answer 3

您可以尝试使用MS Search Server Express Edition，其中一个主要好处是它是免费的。

http://www.microsoft.com/enterprisesearch/en/us/search-server-express.aspx#none

Answer 4

如果您肯定想要使用数据库路由，那么您应该使用启用了全文搜索的 SQL Server。 您也可以将它与Express版本一起使用。 然后，您可以非常轻松地存储和搜索PDF的内容（只要您安装免费的Adobe PDF iFilter）。