1.1 缘于Java，源于爬虫 　　这一段打算写一篇关于自己做的一个简单搜索引擎JobSearch（真的很简单，大牛路过即可），但请容我先扯会儿淡，酝酿酝酿情绪。 　　若是一年之前你问我是搞什么的，我会毫不犹豫地告诉你我是个C#er，我从大一暑假接触到C#,之后的两年便使用C#开始了我的程序员 ...

　　本来打算昨晚发的，结果园子又迁移...... 　　网络爬虫（Spider或Crawler），顾名思义，就是在互联网上爬行的虫子，那么这只虫子为什么要在网上爬行呢？很简单：收集信息。在互联网时代，谁掌握了信息谁就把握了主动权。曾经我一直觉得做搜索的公司都是慈善家，他们自己花钱为大众服务，真是太 ...

　　时隔这么久，继续开写。本文系上一篇的补充：爬虫部分技术要点浅析。 　　本次将主要讨论上次提出的后两个问题：如何处理抽取出来的Url。 3、如何处理抽取出来的Url（爬取策略）？ 　　所谓爬取 ...

lucene 和 es 的前世今生 lucene 是最先进、功能最强大的搜索库。如果直接基于 lucene 开发，非常复杂，即便写一些简单的功能，也要写大量的 Java 代码，需要深入理解原理。 elasticsearch 基于 lucene，隐藏了 lucene 的复杂性，提供了简单易用 ...

面试题 es 写入数据的工作原理是什么啊？es 查询数据的工作原理是什么啊？底层的 lucene 介绍一下呗？倒排索引了解吗？ 面试官心理分析 问这个，其实面试官就是要看看你了解不了解 es 的一些基本原理，因为用 es 无非就是写入数据，搜索数据。你要是不明白你发起一个写入和搜索请求 ...

1、Nutch简介 　　Nutch是一个由Java实现的，开放源代码（open-source）的web搜索引擎。主要用于收集网页数据，然后对其进行分析，建立索引，以提供相应的接口来对其网页数据进行查询的一套工具。其底层使用了Hadoop来做分布式计算与存储，索引使用了Solr分布式索引框架来做 ...

资源推荐 Zac出版的《SEO实战密码》是SEO入门的好书，可惜我在当当网买的电子书受DRM版权保护,无法与大家分享。 我在网上找到了此书的 了解搜索引擎 章节，非常详细，且容易理解。链接如下： http://www.21jn.net/seo/zac/zac.html 前言 SEO ...

1、Solr简介 　　Solr是一个高性能，采用Java5开发，基于Lucene的全文搜索服务器。同时对其进行了扩展，提供了比Lucene更为丰富的查询语言，同时实现了可配置、可扩展并对查询性能进行了优化，并且提供了一个完善的功能管理界面，是一款非常优秀的全文搜索引擎。 　　Solr最初 ...