原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Lucene视频教程-基于Lucene46Solr46Heritrix114S2SH实战开发从无到有垂直搜索引擎
Lucene视频教程基于Lucene4.6+Solr4.6+Heritrix1.14+S2SH实战开发从无到有垂直搜索引擎
一、Lucene视频教程课程内容介绍：
1、整体思路
整个课程，按照一个从无到有的过程来展开。所有的数据，来自于互联网，用heritrix去抓取。对于抓取的数据，进行去重，去标签，然后利用lucene 和 solr 进行索引和搜索。如下图所示：
在网页去重、解析html讲解java开发，在搜索服务工具的封装中，讲解设计模式，项目的前端采用jquery，后台采用SSH2。
2、Lucene视频教程内容安排：
一、理论部分：
2.1、搭建heritrix
1.什么是网络爬虫
2.网络爬虫能做什么
3.Heritrix原理
4.Heritrix搭建
2.2、如何进行主题抓取
1.什么是主题抓取
2.主题抓取的意义
3.主题抓取的策略
4.如何用heritrix进行主题抓取
2.3、heritrix优化
1. ELFHash算法
2.关于robot.txt
3.将heritrix打包成工具
2.4、解析html页面
1.java正则表达式
2.基于模板获取网页内容
3.利用htmlparser解析html
2.5、中文分词介绍
1.Lucene自带的分词
2.ICTCLAS
3.IK
4.利用机器学习的算法识别中文文章中的领域词
2.6、网页去重
1.网页去重的意义
2.网页去重的主要方法
3.什么是tf*idf
4.基于指纹算法的网页去重
2.7、Lucene4.6快速索引与搜索
1.如何用lucene创建索引
2.如何用lucene搜索结果
3.Lucene中intfield怎么搜索
4.Lucene的结果高亮显示
2.8、Lucene4.6索引的相关操作
1.创建索引
2.修改索引
3.删除索引
4.索引优化
2.9、Lucene4.6的query、及queryparser
1.TermQuery
2.BooleanQuery
3.TermRangeQuery
4.NumericRangeQuery
5.PrefixQuery
6.PhraseQuery
7.MultiPhraseQuery
8.FuzzyQuery
9.WildcardQuery
10.queryparser
2.10、Lucene的Filter及自定义排序
1.Filter
2.Lucene自带排序及指定权重
3.Lucene自定义排序
2.11、Solr快速索引与搜索
1.什么是solr
2.为什么工程中要使用solr
3.Solr的原理
4.如何在tomcat中运行solr
5.如何利用solr进行索引与搜索
2.12、Solr的查询及Filter
1.solr的各种查询
2.solr的Filter
3.solr的排序
4.solr的高亮
2.13、Solr的facet介绍
1.solr的某
文档评论（0）