我正在寻找一个搜索引擎，它可以定期(每天)扫描大约 100 个页面以查找更改，如果发现自上次扫描以来的更改，则可以对关联站点建立索引。它应该能够处理大约 100 个站点，每个站点平均有 4000 个页面，平均大小约为 5k，每个站点位于不同的服务器上(但只有一个集中式搜索引擎)。这些网站中的每一个都会有一个提交到该搜索引擎的搜索表单。返回的结果必须特定于提交它们的站点。我为外部站点创建模板，因此我可以为搜索表单提供一个隐藏字段，用于指定从哪个站点提交表单。
您建议我研究什么？
如果可行的话，我很乐意使用基于 Python 的系统来实现此目的。
我目前正在使用名为 iSearch2 的东西。在这个规模上它似乎不太稳定，产品的描述表明它并不是真的打算做多个站点，它是用 PHP 编写的(对我来说，它不如 Python 舒服)，并且对于我的具体情况还有一些其他缺点情况。
最佳答案
如果你正在寻找一个纯Python搜索引擎，你可以看看whoosh 。 Whoosh 的问题在于它速度慢且功能不全。如果您的网站没有获得太多流量，那也没关系，但您可能需要更强大的东西来进行生产。
话虽如此，我喜欢使用 Xapian及其 python bindings 。它非常快速且易于设置。
您还可以使用 solr其中有 python api 。 Solr 是用 Java 编写的，但不要让它欺骗了您，因为它是这群中表现最好的。您只需运行一个 Java 服务器即可使其正常工作。
由于我使用 Django，我可以集成 haystack到我的项目中，这使得切换搜索引擎变得很容易。我将使用 Whoosh 进行开发，因为它设置起来既简单又快速(它可以安装在 virtualenv 中)，但根据我的需要使用 Xapian 或 Solr 进行部署以进行生产。
关于python - 搜索引擎推荐100个站点约4000个页面，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/2715733/