问题标签 [search-engine]

我正在尝试在我部门的公共文件共享上订购文件，其中包含数千个各种文件类型的文档。我的想法是按内容相关的关键字对它们进行排序。只有少数文件包含 Windows 提供的关键字文件属性中的有效信息。我的想法是让一些桌面搜索引擎索引文件（及其内容），然后使用索引中生成的关键字。

问题是我不知道如何从搜索索引中读取这些生成的关键字。

Microsoft 和 Copernic 似乎都没有提供有关如何访问其索引文件的任何信息。MSDN 仅提供有关如何直接从您的程序中查询 Windows 搜索引擎的信息，但结果仅包含 Windows 文件属性和文件信息，而不包含那些生成的用于索引的关键字。哥白尼似乎根本没有提供任何信息。

我非常感谢有关如何访问这些生成的关键字的任何想法。先感谢您！

我开发了一个结合电子商务网站的商业索引。（在asp.net2.0+c#中）

我正在寻找一个已经处理索引、速度和质量等问题的站内搜索引擎。

有没有这样做的著名解决方案？

我需要在我的设计中自定义搜索结果，因此不能选择谷歌搜索引擎。

谢谢， 伊坦

我运行了一个小型网络服务器，最近它被搜索引擎蜘蛛所困扰。冷却它的正确方法是什么？我应该定期向它发送 5xx 响应吗？我应该使用 robots.txt 设置吗？或者是其他东西？

我想知道基于 apache nutch 的搜索引擎部署是否有任何现有的基准和大小信息。我想知道每月进行 1000 万次搜索，需要部署的硬件大小应该是多少。

我想制作一个多语言网站，以便所有或几乎所有页面都提供 2 种或更多翻译版本。要遵循的最佳实践是什么？

例如，我考虑以下语言选择机制：

1. 基于 Cookie 的首选语言选择。
2. Accept-Language如果未设置 cookie，则基于标头。
3. 否则（可能）基于 GeoIP。

还有别的事吗？

应该如何提供不同的翻译？

1. 作为LANG.example.com/page
2. 作为example.com/LANG/page
3. 作为example.com/page?hl=LANG
4. ...
5. 以上任何一个重定向到example.com/page？（好像很气馁）

如何确保所有翻译都被正确索引？

1. 包含所有页面 + 正确Content-Language标题的站点地图就足够了吗？

让用户知道还有其他翻译但不分散他们注意力的最佳方式是什么？

1. 在页眉/页脚/侧边栏中列出可用语言（如维基百科）
2. 将“选择语言”选择器放在内容旁边

处理缺失/过时翻译的最佳策略是什么？

1. 根本不显示丢失的页面或以不同的语言显示页面？
2. 显示旧翻译、带有警告的旧翻译或不同语言的页面？

我还应该考虑什么？我应该做什么，绝对不应该做什么？

我们拥有 OCRed 数千页的报纸文章。每页的报纸、期号、日期、页码和 OCRed 文本都已放入 mySQL 数据库。

我们现在想用 PHP 构建一个类似 Google 的搜索引擎来查找给定查询的页面。它必须很快，任何搜索都不会超过一秒钟。

我们应该怎么做？

我需要一个站点搜索引擎来搜索我的会员专属内容。我以前使用过流体动力学搜索引擎，但想知道最近是否有任何更新。

需要通过站点抓取而不是文件系统抓取来索引内容，因为所有内容都在数据库中。还需要在 FreeBSD/Linux 下运行。

是的，对不起，不是编程……但这是获得好答案的最佳场所！

我刚刚拿到了一份合同，负责整理一个以前的“开发人员”留给我的一个客户的电子商务网站。其中大约有几十个使用自定义购物车和 CMS 系统，这些系统过于嵌入式而无法转储并且运行良好，但迫切需要清理、重构和错误修复，因此是一项相当大量的重新编码工作。

作为其中的一部分，我的客户迫切希望确保他能获得最佳的搜索引擎位置。像许多开发人员一样，我对这个想法有一点点了解，但没有真正的知识，而且加快速度似乎会有所帮助，这样我就可以适当地构建代码。

那么人们可以就有用的优质资源（书籍、网站、博客等）提供建议吗？我不想纠结于这方面的每一个细节（如果他决定把每一盎司都拿出来，他可以聘请专家——尽管我一直认为这比蛇油小贩好不了多少），但我想以有助于而不是阻碍放置的方式构建代码和重新配置模板。

如果我有一个属于日本公司的商业网站，它将使用片假名或日本汉字（非 ASCII 字符）作为他们希望在 google 中获得良好搜索结果的关键字，那么在网站上放置最接近的英文单词是否仍然重要 DNS 名称?

像：

如果搜索词是片假名的“主页”：ホームページ

DNS 名称会对结果产生影响吗？

更好，它有一个包含“主页”的DNS名称有什么影响吗？

谢谢，瑞克

情况：Google 已将论坛中的页面编入索引。该线程现已删除。我如何/是否可以让谷歌和其他搜索引擎删除缓存的副本？我怀疑他们是否会反对，因为链接页面不再存在，并且保持索引更新和有效应该符合他们的最大利益。

这是可能的还是我必须等待数月才能更新索引？或者页面现在会永远留在那里吗？

我不是相应网站的所有者，因此我无法更改 robots.txt 等示例。我想以“第三方”的身份强制更新。

我还注意到我两天前创建的该资源上的一个新页面已经在缓存中。鉴于此，我可以估计删除此域上的无效页面需要多长时间？

编辑：所以我做了测试。谷歌花了不到 2 个月的时间来删除该页面。很长一段时间...