DataparkSearch

DataparkSearch 搜索引擎是一个 C 语言的全功能的开源基于Web的搜索引擎，

主要特征

• 支持http、https、ftp、nntp 和news URL 方案。
• 用于索引 SQL 数据库的htdb虚拟 URL 方案。
• 索引text/html、text/xml、text/plain、audio/mpeg (mp3) 和image/gif mime 类型。
• 外部解析器支持其他文档类型，包括 Microsoft Word、Excel、RTF、PowerPoint、Adobe Acrobat PDF 和 Flash。
• 可以使用内容协商索引多语言站点。
• 可以使用ispell词缀和词典搜索所有单词形式。
• 基于可编辑词典的同义词、首字母缩写词查询扩展，由语言和字符集指定。
• 停用词、同义词和首字母缩略词列表。
• 查询所有单词、所有彼此靠近的单词、任何单词或布尔查询的选项。支持 VQL（Verity 查询语言）的一个子集。
• 基于神经网络模型的人气排名。
• 结果可以按相关性（使用向量计算）、流行度排序为“Goo”（为传入链接添加权重）和“Neo”（神经网络模型）、最后修改时间和“重要性”（相关性的组合）和人气排名）。
• 通过自动字符集和语言检测支持广泛的字符集支持。
• 提供不区分重音的搜索选项。
• 提供中文、日文、韩文和泰文的词组切分（分词）。
• 包括一个索引器和一个 Web CGI 前端，以及一个用于 Apache Web 服务器的搜索模块 ( mod_dpsearch )。
• 处理国际化域名 (IDN)。
• Summary Extraction Algorithm 自动将每个文档总结成几个句子。
• 使用 If-Modified-Since 来高效传输仅更改的文件。
• 可以使用会话 ID 和其他奇怪的格式调整 URL，包括一些 JavaScript 链接解码。
• 可以执行并行和多线程索引以加快更新速度。
• 灵活的更新计划，包括更频繁地检查网站某些部分的选项。
• 处理基本身份验证（用户名和密码）和 cookie。
• 存储文档的压缩文本版本以供提取和查看。
• 可以为服务器或子目录指定默认字符集和语言，或可能的语言列表。
• Noindex标签：<!--UdmComment-->、<NOINDEX>、<!--noindex-->、谷歌特别评论<!-- google_ad_section_start -->、<!-- google_ad_section_start(weight=ignore) -->和 <!-- google_ad_section_end --> 视为要包含/排除的标签。
• 可以指定一个内容正文标签。
• 使用aspell对查询词进行拼写检查。
• 用于自定义搜索结果页面的灵活选项和命令。
• 有效的缓存可以显着减少搜索时间。
• 查询日志存储查询、查询参数和找到的结果数。