Dotaz: Vlastní vyhledavač, jak začít? Užitečné zdroje?

[Dan]

Zdravím, chtěl bych si naprogramovat vlastní vyhledavač na jednom webu. Vím že lze použít google i na vlastních stránkách, ale to nechci. Máte někdo typ na nějaky openspource vyhledávač anebo zdroje k nastudování, asi bych ho psal v PHP nebo v C, ale o to nejde spíše jde o to jak na to, realizace už je druhotná. Díky

---

---

Odpovědi

[Roman DAVID]

Use this http://sphinxsearch.com/

[Jendа]

Apache Lucene?

[Ben Joyce]

Pokud máte databázi typu MySQL, ve které chcete vyhledávat, je možné spustit příkaz:

SELECT sloupce FROM tabulka WHERE sloupec LIKE '%hodnota%'

Hodnota ve výše uvedeném SQL dotazu je výraz, který se CELÝ TAK JAK JE nalézá v textu uloženém pod konkrétním sloupcem.

Pokud chcete hledat slova odděleně a nikoli fráze, upravte dotaz nějak takto:

SELECT sloupce FROM tabulka WHERE sloupec LIKE '%slovo%' OR sloupec LIKE '%dalsi_slovo%'

Při tomto použití je třeba hledanou frázi rozložit do slov - ale to není takový problém, v PHP je na to myslím nějaká funkce - a poté SQL dotaz složit dohromady.

Pokud použijete metodu s rozložením na slova, je třeba zvážit následující věc. Totiž chyba v mém návrhu je ta, že si budete muset vymyslet nějaký způsob jak výstup, což je obvykle nějaké pole, seřadit podle počtu nalezených slov - v některém jsou nalezená slova tři, někde jen jedno.
Mě napadá takhle z fleku například procyklení výstupu a počítání nalezených slov, výsledek zapsat do nějakého pole (kde byste např. číslo příspěvku spojil s počtem nalezených slov), které opět procyklíte a seřadíte podle něj výstup z SQL databáze.
Důvod, proč do toho tahám další pole, je takový, že nebudete moci řadit výstup, když si nebudete jist, zda ve výstupu není ještě nějaký další příspěvek s větším počtem nalezených slov, nebo když budete potřebovat příspěvek se třemi nálezy zařadit mezi příspěvky se čtyřmi nálezy a dvěma nálezy.

Samozřejmě je třeba vyhledat potřebné funkce, popř. třídy a promyslet, jestli by tahle trochu prasečina nešla maličko pročistit.

[retroslava]

:)

věk?

[Jendа]

Kdepak věk, enterprise!

[Jesus Jimenez]

LOL :)

[rADOn]

Clovek se jen divi co ti sasci googlacky porad delaj kdyz je to tak jednoduchy…

[rADOn]

Záleží jak funguje ten web. Na statické stránky v pohodě stačí htdig. Pokud je všechen obsah v sql, většina databází má nějaký ten fulltext. Na složitější věci jsou složitější řešení – já bych sáhnul nejdřív po sphinx.

[petr_p]

Platí informace ze stránek htdigu, že neumí UTF-8?

[Jakub Lucký]

Podívat se na Morfeo/Holmes?

[Rubikáč]

Nepíšeš to náhodou pro Petra Hejlů?

[Sten]

Záleží, jak dobré to má být. Pro jednoduchý hledač stačí grep nebo MySQL LIKE. Základní princip vyhledávačů je popsaný na Wikipedii, teoreticky se ty algoritmy učí třeba na FI MUNI (moc zajímavá doktorská studia: 1 2 3 4), prakticky je to velmi střežené tajemství pod NDA

[Franta]

Pořád MySQL… Když už MySQL, tak aspoň jeho fulltext.

Ale spíš MariaDB + Sphinx.

[Franta]

Hlavně ne takhle: http://hlodac.cz/