搜索资源列表
4pm
- 本文用lucene和Heritrix构建了一个Web 搜索应用程序 Lucene 是基于 Java 的全文信息检索包，它目前是 Apache Jakarta 家族下面的一个开源项目。 Lucene很强大，但是，无论多么强大的搜索引擎工具，在其后台，都需要一样东西来支援它，那就是网络爬虫Spider。网络爬虫，又被称为蜘蛛Spider，或是网络机器人、BOT等，这些都无关紧要，最重要的是要认识到，由于爬虫的存在，才使得搜索引擎有了丰富的资源。 Heritrix是一个纯由Java开
heritrix
- 网络爬虫工具，源码，可以爬取网页数据，保存在本地数据库-network snap tool, get data from the network and save it to the database
LucenePHeritrix
- heritrix+lucene的网页爬取的源码-this is the code for heritrix+lucene
testDWR
- 网络爬虫的一个实例。配合heritrix和lucene应用-this is a example for web
heritrixProject
- heritrix爬虫实例，抓取了PCONLINE和163的手机产品信息-the heritrix reptiles instance, crawl PCONLINE and 163 phone product information
heritrixDktj131_2012
- 扩展Heritrix开发包开发的面向主题的网络爬虫-The extended the Heritrix development package developed theme-oriented web crawler
MD5
- MD5算法 一种非常好用散列函数 可用于lucene+heritrix架构搜索引擎-MD5 algorithm
search-eginee
- Luncene2.0+Heritrix开发自己的搜索引擎，书籍中的源码。-Luncene2.0+Heritrix develop its own search engine, in a book source.
heritrixs
- 根据heritrix最新版本，实践安装后，并整理的分布式爬虫heritrix安装方式-According to the latest version heritrix, practice after installation and finishing installation heritrix distributed crawler
heritrix_developer_manual
- Heritrix官方开发文档，crawler.archive.org/articles，提供了基本的类的开发介绍。-(Heritrix official development documents, crawler.archive.org/articles, provides a basic introduction class development.)
TmallSearch20130507
- 面向天猫网的搜索系统，使用了lucene和heritrix等开源工具。-Lynx-oriented network search system using lucene and heritrix and other open source tools.
sample.dw.paper.lucene
- 通过lucene和heritrix实现的简单搜索引擎代码，基本功能都已实现-Through Lucene and heritrix to achieve a simple search engine code, the basic functions have been achieved
mysearch
- heritrix 原代码加上自己自定义的一些过滤工具
WPCrawler
- 网络爬虫，也叫网络蜘蛛，有的项目也把它称作“walker”。维基百科所给的定义是“一种系统地扫描互联网，以获取索引为目的的网络程序”。网络上有很多关于网络爬虫的开源项目，其中比较有名的是Heritrix和Apache Nutch。 有时需要在网上搜集信息，如果需要搜集的是获取方法单一而人工搜集费时费力的信息，比如统计一个网站每个月发了多少篇文章、用了哪些标签，为自然语言处理项目搜集语料，或者为模式识别项目搜集图片等等，就需要爬虫程序来完成这样的任务。而且搜索引擎必不可少的组件之一也