开源：完全自主研发搜索引擎1.0源代码及说明，单机400万网页全文索引，任意50词以内的检索不超过 20毫秒搜索引擎1.0源代码、相关说明、下载地址如下：1、Bwsyq.Search.Demo
进行检索，就是常说的搜索引擎网站。提供检索服务。
目前实现了：按关键词进行检索，实现了动态摘要、关键词高亮显示、自动分页、每页显示条目可自定义(默认每页显示10条检索结果)
未实现功能：相关搜索关键词条显示、按相关度进行排序、快照、网页标题、采集时间、网页URL、并行集群检索
其中：快照、网页标题、采集时间、网页URL 可根据实际情况自行实现
相关搜索关键词条显示、按相关度进行排序、并行集群检索 将在下一版提供
2、Bwsyq.Search.Index
进行索引，就是常说的全文索引。
3、DemoDoc 目录中的 3500个txt文档是用来做索引测试的文档。测试的使用请放置在：D:\index\DemoDoc 也可根据实际情况在代码中修改 4、index 目录中的.idx 文件是测试建立的索引文件。 测试的使用请放置在：D:\index\index 目录，也可根据事情情况修改配置文件
5、注意事项：
A、目前索引存储路径是 D:\index\index\ 可在配置文件中根据实际情况对配置文件“App.config、Web.config”进行修改
<KeyInfo Key="SEARCHIDX" Value="D:\index\index\"/>
B、索引所需词库存储路径是 D:\index\ App_Data 可在配置文件中根据实际情况对配置文件“App.config”进行修改
<KeyInfo Key="PhysicaPath" Value="D:\index\"/> 修改后将 App_Data文件夹及其中的文件全部拷贝到对应目录即可
C、检索所需词库存存储路径是 网站项目中的 App_Data 目录，无须修改
D、BwsyqIndex.dll 是核心库，采用C语言开发，可存放在system32目录，或项目运行的目录bin或release目录中。
6、目前提供的版本是2.0版，有如下性能指标：
A、单机可索引400万网页、
B、普通PC： AMD 2.0、 7200转硬盘、2G内存每4分钟可索引1000页（已经做了html parse）的文本
C、经实际测试任意50词以内的检索，检索运算不超过 20毫秒
D、检索速度不会因为索引的多少而发生任何变化，索引速度也不会因为文档多少或文档大小而变慢
E、开发工具VS2008，测试环境 windos7 + CPU(AMD 2.0)、 5400转300G硬盘、2G内存
注：本版本单机索引限制在 400万网页，超过将不在执行索引。
7、本版本截止开发周期业余时间不到 3个周末和3个周日，期间还感冒了一周，所以有很多不完善的地方，请大家多指正。
我会尽快根据大家提供的建议进行改善并提供改进后的新版本。
8、本软件完全属于本人自主创作，完全没有任何借鉴和第三方代码，您可以放心的用于学习和商业用途。下载地址1：http://www.everbox.com/f/xkdvEM3eyrwYXp9yG4d2b7aawZ
下载地址2：http://www.everbox.com/f/xO8NFbNyW5frP5SXSlaTzNdDIf
下载地址3：http://www.everbox.com/f/XcC7HMzMD7PXRKkNZKEVLfLcEK
下载地址4：http://www.everbox.com/f/WXFsqChwLTbLmX2P6gQuQy1z51
下载地址5：http://www.everbox.com/f/Bi9izWoxroLcn9mBs3N2S4PBeG
下载地址6：http://www.everbox.com/f/Tf3XzMdLVXDcX233qirYPTkMvr版权所有：未经许可不得转载，有任何疑问请与我本人联系 QQ 99923309 Mail：[email protected] 更多详情>>
进行检索，就是常说的搜索引擎网站。提供检索服务。
目前实现了：按关键词进行检索，实现了动态摘要、关键词高亮显示、自动分页、每页显示条目可自定义(默认每页显示10条检索结果)
未实现功能：相关搜索关键词条显示、按相关度进行排序、快照、网页标题、采集时间、网页URL、并行集群检索
其中：快照、网页标题、采集时间、网页URL 可根据实际情况自行实现
相关搜索关键词条显示、按相关度进行排序、并行集群检索 将在下一版提供
2、Bwsyq.Search.Index
进行索引，就是常说的全文索引。
3、DemoDoc 目录中的 3500个txt文档是用来做索引测试的文档。测试的使用请放置在：D:\index\DemoDoc 也可根据实际情况在代码中修改 4、index 目录中的.idx 文件是测试建立的索引文件。 测试的使用请放置在：D:\index\index 目录，也可根据事情情况修改配置文件
5、注意事项：
A、目前索引存储路径是 D:\index\index\ 可在配置文件中根据实际情况对配置文件“App.config、Web.config”进行修改
<KeyInfo Key="SEARCHIDX" Value="D:\index\index\"/>
B、索引所需词库存储路径是 D:\index\ App_Data 可在配置文件中根据实际情况对配置文件“App.config”进行修改
<KeyInfo Key="PhysicaPath" Value="D:\index\"/> 修改后将 App_Data文件夹及其中的文件全部拷贝到对应目录即可
C、检索所需词库存存储路径是 网站项目中的 App_Data 目录，无须修改
D、BwsyqIndex.dll 是核心库，采用C语言开发，可存放在system32目录，或项目运行的目录bin或release目录中。
6、目前提供的版本是2.0版，有如下性能指标：
A、单机可索引400万网页、
B、普通PC： AMD 2.0、 7200转硬盘、2G内存每4分钟可索引1000页（已经做了html parse）的文本
C、经实际测试任意50词以内的检索，检索运算不超过 20毫秒
D、检索速度不会因为索引的多少而发生任何变化，索引速度也不会因为文档多少或文档大小而变慢
E、开发工具VS2008，测试环境 windos7 + CPU(AMD 2.0)、 5400转300G硬盘、2G内存
注：本版本单机索引限制在 400万网页，超过将不在执行索引。
7、本版本截止开发周期业余时间不到 3个周末和3个周日，期间还感冒了一周，所以有很多不完善的地方，请大家多指正。
我会尽快根据大家提供的建议进行改善并提供改进后的新版本。
8、本软件完全属于本人自主创作，完全没有任何借鉴和第三方代码，您可以放心的用于学习和商业用途。下载地址1：http://www.everbox.com/f/xkdvEM3eyrwYXp9yG4d2b7aawZ
下载地址2：http://www.everbox.com/f/xO8NFbNyW5frP5SXSlaTzNdDIf
下载地址3：http://www.everbox.com/f/XcC7HMzMD7PXRKkNZKEVLfLcEK
下载地址4：http://www.everbox.com/f/WXFsqChwLTbLmX2P6gQuQy1z51
下载地址5：http://www.everbox.com/f/Bi9izWoxroLcn9mBs3N2S4PBeG
下载地址6：http://www.everbox.com/f/Tf3XzMdLVXDcX233qirYPTkMvr版权所有：未经许可不得转载，有任何疑问请与我本人联系 QQ 99923309 Mail：[email protected] 更多详情>>
1.搜索分词策略是很讲究的，不是拆开几个单词那么简单。
2.分词之后，搜索时还应该能反映出内容关系密度的强弱排序。
其它细节不用多说，单看搜索结果里的URL就没有被足够重视，而事实上，URL恰恰是最重要的搜索对象之一。一个命名为“不及格通知”的URL，即使里面的内容写得再委婉，一句“不及格通知”都没有出现，它也是“不及格通知”。任何东西，首先是功能，其次是性能，功能都不全或不完善，性能也就失去意义了。
天心天字辈ERP全部PDK源代码到了我手上的后果 - 超越天心之WEB天云大家看看我的BS的甘特图排程做的如何? 无刷新Ajax甘特图 展示生产排程结果 演示软件工程概述 - 企业架构 - IT企业做大做强之根本 - 之我见实践检验得出的真理：asp.net 项目在 linux mono上编译需要修改的只有 3个地方给大家漏一手本人亲自精心撰写的通用ajax框架,完全兼容 IE FireFox各个版本!(附完整源码及完整范例)开发了一个中文分词服务器(C语言开发+词库+源代码),最大特色可以让javascript来调用!用纯C语言写了一个HtmlParse(网页分析器)外带采集功能，大小只有200K(免费+开源+操作示意图)
4分钟 1000个网页 不知道你的html页面有多大 有没有包含ajax请求的内容
以前做实验 解析本地html文件 在40W个文件左右时htmlparse就报内存错误 源码级
后改用jsonp 问题解决其实简单的抓取 和索引都不复杂 主要是相关度排序的算法复杂
支持楼主分享的态度~