Java开源搜索引擎分类列表

 Egothor 

Egothor是一个用Java编写的开源而高效的全文本搜索引擎。借助Java的跨平台特性，Egothor能应用于任何环境的应用，既可配置为单独的搜索引擎，又能用于你的应用作为全文检索之用。

更多Egothor信息

 Nutch 

Nutch 是一个开源Java 实现的搜索引擎。它提供了我们运行自己的搜索引擎所需的全部工具。包括全文搜索和Web爬虫。

更多Nutch信息

 Lucene 

ApacheLucene是一个基于Java全文搜索引擎，利用它可以轻易地为Java软件加入全文搜寻功能。Lucene的最主要工作是替文件的每一个字作索引，索引让搜寻的效率比传统的逐字比较大大提高，Lucen提供一组解读，过滤，分析文件，编排和使用索引的API，它的强大之处除了高效和简单外，是最重要的是使使用者可以随时应自已需要自订其功能。

更多Lucene信息

 Oxyus 

是一个纯java写的web搜索引擎。

更多Oxyus信息

 BDDBot 

BDDBot是一个简单的易于理解和使用的搜索引擎。它目前在一个文本文件(urls.txt)列出的URL中爬行，将结果保存在一个数据库中。它也支持一个简单的Web服务器，这个服务器接受来自浏览器的查询并返回响应结果。它可以方便地集成到你的Web站点中。

更多BDDBot信息

 Zilverline 

Zilverline是一个搜索引擎，它通过web方式搜索本地硬盘或intranet上的内容。Zilverline可以从PDF, Word, Excel,Powerpoint, RTF, txt, java, CHM,zip,rar等文档中抓取它们的内容来建立摘要和索引。从本地硬盘或intranet中查找到的结果可重新再进行检索。Zilverline支持多种语言其中包括中文。

更多Zilverline信息

 XQEngine 

XQEngine用于XML文档的全文本搜索引擎.利用XQuery做为它的前端查询语言.它能够让你查询XML文档集合通过使用关键字的逻辑组合.有点类似于Google与其它搜索引擎搜索HTML文档一样.XQEngine只是一个用Java开发的很紧凑的可嵌入的组件.

更多XQEngine信息

 MG4J 

MG4J可以让你为大量的文档集合构建一个被压缩的全文本索引,通过使内插编码(interpolative coding)技术.

更多MG4J信息

 JXTA Search 

JXTA Search是一个分布式的搜索系统.设计用在点对点的网络与网站上.

更多JXTA Search信息

 YaCy 

YaCy基于p2p的分布式Web搜索引擎.同时也是一个Http缓存代理服务器.这个项目是构建基于p2p Web索引网络的一个新方法.它可以搜索你自己的或全局的索引,也可以Crawl自己的网页或启动分布式Crawling等.

更多YaCy信息

 Red-Piranha 

Red-Piranha是一个开源搜索系统,它能够真正"学习"你所要查找的是什么.Red-Piranha可作为你桌面系统(Windows,Linux与Mac)的个人搜索引擎,或企业内部网搜索引擎,或为你的网站提供搜索功能,或作为一个P2P搜索引擎,或与wiki结合作为一个知识/文档管理解决方案,或搜索你要的RSS聚合信息,或搜索你公司的系统(包括SAP,Oracle或其它任何Database/Datasource),或用于管理PDF,Word和其它文档,或作为一个提供搜索信息的WebService或为你的应用程序(Web,Swing,SWT,Flash,Mozilla-XUL,PHP, Perl或c#/.Net)提供搜索后台等等.

更多Red-Piranha信息

 LIUS 

LIUS是一个基于Jakarta Lucene项目的索引框架。LIUS为Lucene添加了对许多文件格式的进行索引功能如：
MsWord,Ms Excel,Ms PowerPoint,RTF,PDF,XML,HTML,TXT,OpenOffice序列和JavaBeans。针对JavaBeans的索引特别有用当我们要对数据库进行索引或刚好用户使用持久层ORM技术如：Hibernate,JDO,Torque,TopLink进行开发时。

更多LIUS信息

 Aperture 

Aperture这个Java框架能够从各种各样的资料系统(如：文件系统、Web站点、IMAP和Outlook邮箱)或存在这些系统中的文件(如:文档、图片)爬取和搜索其中的全文本内容与元数据。它当前支持的文件格式如下：

Plain text

HTML, XHTML

XML

PDF (Portable Document Format)

RTF (Rich Text Format)

Microsoft Office: Word, Excel, Powerpoint, Visio, Publisher

Microsoft Works

OpenOffice 1.x: Writer, Calc, Impress, Draw

StarOffice 6.x - 7.x+: Writer, Calc, Impress, Draw

OpenDocument (OpenOffice 2.x, StarOffice 8.x)

Corel WordPerfect, Quattro, Presentations

Emails (.eml files)

更多Aperture信息

 Apache Solr 

Solr是一个高性能，采用Java5开发，基于Lucene的全文搜索服务器。文档通过Http利用XML加到一个搜索集合中。查询该集合也是通过http收到一个XML/JSON响应来实现。它的主要特性包括：高效、灵活的缓存功能，垂直搜索功能，高亮显示搜索结果，通过索引复制来提高可用性，提供一套强大Data Schema来定义字段，类型和设置文本分析，提供基于Web的管理界面等。

更多Apache Solr信息

 Lucene中文分词“庖丁解牛” Paoding Analysis 

Paoding'sKnives中文分词具有极高效率和高扩展性。引入隐喻，采用完全的面向对象设计，构思先进。高效率：在PIII1G内存个人机器上，1秒可准确分词100万汉字。采用基于不限制个数的词典文件对文章进行有效切分，使能够将对词汇分类定义。能够对未知的词汇进行合理解析。

更多Lucene中文分词“庖丁解牛” Paoding Analysis信息

 Carrot2 

Carrot2是一个开源搜索结果分类引擎。它能够自动把搜索结果组织成一些专题分类。Carrot2提供的一个架构能够从各种搜索引擎（YahooAPI、GoogleAPI、MSN Search API、eTools Meta Search、Alexa WebSearch、PubMed、OpenSearch、Lucene index、SOLR）获取搜索结果。

更多Carrot2信息

 Regain 

Regain是一个基于JakartaLucene封装的搜索引擎。它能够索引和查询多种格式的文件（当前支持的格式包括：HTML、XML、Excel、Powerpoint、Word、PDF和RTF）。此外它还提供一个标签库以便易于将搜索结果展示在JSP页面中。

更多Regain信息

 Hounder 

Hounder是一个完善的搜索系统，Hounder只会检索那些出现在互联网上的文档，并通过一个简单的网页来展示搜索结果。能够完美与其它项目相结合。它在各方面的设计都是规模级的包括：索引网页的数量，检索速度，查询并发数。它已经成功应用在多个大型搜索系统中。

更多Hounder信息

 中文分词器 IKAnalyzer 

IKAnalyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始，IKAnalyzer已经推出了3个大版本。最初，它是以开源项目Luence为应用主体的，结合词典分词和文法分析算法的中文分词组件。新版本的IKAnalyzer3.0则发展为面向Java的公用分词组件，独立于Lucene项目，同时提供了对Lucene的默认优化实现。
IKAnalyzer3.0特性:

采用了特有的“正向迭代最细粒度切分算法“，具有50万字/秒的高速处理能力。

采用了多子处理器分析模式，支持：英文字母（IP地址、Email、URL）、数字（日期，常用中文数量词，罗马数字，科学计数法），中文词汇（姓名、地名处理）等分词处理。

优化的词典存储，更小的内存占用。支持用户词典扩展定义

针对Lucene全文检索优化的查询分析器IKQueryParser(作者吐血推荐)；采用歧义分析算法优化查询关键字的搜索排列组合，能极大的提高Lucene检索的命中率。

更多中文分词器 IKAnalyzer信息

 Mustru 

Mustru是一个桌面搜索引擎，基于Lucene、Wordnet、Lingpipe、GATE和Berkeley DB等开源项目开发。能够对本地文件系统的多个目录进行索引，然后使用一个Web界面查询该索引。Mustru提供的功能包括：

从HTML、PDF和DOC等40多种常见的文件类型文件中抽取文本。

检查重复的内容。

使用GATE找出文本中的一些实体（人，地名和组织/机构）。

支持多线程索引、归类和实体抽取。

能够修复和恢复索引文件。

找出相似的文档。

支持接受用自然语言提问，然后返回相应答案列表。

使用一个预先定义好的分类法将文本内容归类成体育、商业、健康等领域。

更多Mustru信息

来源：http://www.open-open.com/32.htm