张磊的blog

nutch or lucene?

下午和Fenng大哥聊了一下，我一直在为牛扑的搜索效率发愁，往往搜一个书名得好几分钟，因为用的是遍历整个表的“Like”。他说可以做个NutchServer算一下，一听到这个，我马上就去Google翻资料去了。

不是没想过办法，当年也想用Lucene试试，但Livid说它对中文的支持不好，没法做，于是这事就放下了。 今天在查Nutch的时候不小心发现原来Lucene已经出到2.1，对双字节的字符有了支持──其实中文的索引免不了要做分词的体力活儿，谁让咱们中文的句子里没空格呢？但我对Nutch和Lucene的使用一点都不了解。

到底该用Nutch还是Lucene呢？Nutch带着一个爬虫，用来爬内容倒是很合适，但我注意到这两个其实是一家出的，在搜索方面应该差别不大吧。所以最后还是打算花些时间学学Lucene，在网上找到了车东的大作：http://www.chedong.com/tech/lucene.html

现在的问题是考试就要来了，要是花时间去学Lucene实在不合适，但又忍不住。同时，从数据库里把一个多G的东西折腾出来做成索引估计Lucene也得花不少时间。还有一个，我还不知道怎么拿Lucene和PHP交互呢，难道用Zend？

问题多多，好一个下午，即将有一顿丰盛的晚餐等着我们……