关于站内搜索的方案对比

 

基于数据库的搜索

基于spider抓取的站内搜索

全文检索站内搜索软技术

网站

大部分网站，如中文BT联盟

部分中大型网站如俺要下载软件网

少量大型网站，如华军网

技术原理

数据库搜索

经Spider抓取网页，对html解析/分词/索引实现网页式站内搜索

对数据库数据进行html解析、分词，索引，实现站内搜索

数据容量

小于百万级

千万级以上

千万级以上

检索效率

秒级速度，准确度高，

毫秒级速度，高速，准确度低

毫秒级速度，高速，准确度高

检索能力

不支持分词功能，无法完成全文检索，但可以用sql的单字索引功能实现最低级的全文检索

支持分词功能，但随数据量增加，搜索结果中垃圾信息比重上升，影响结果的排序和显示效果，严重影响精确度。只对静态页面进行搜索，动态页面数据无法抓取

支持分词功能，可对过关键字进行检索，可基于内容分析的排序方法。所有动态网页和没有链接的网页均可有效收录

抗压能力

差，随数据量上升，数据库压力增大，系统崩溃的危险系数高

抗压能力强，系统安全系数高

抗压能力强，系统安全系数高

结果精度

用户对搜索范围、内容和体现的结果无法精确控制

用户对搜索范围、内容和体现的结果无法精确控制

用户可对搜索的内容范围和体现的结果进行精确的控制

内容范围

可控制

不可有效控制，栏目无法精确控制

可有效控制，栏目控制精准

动态摘要

无

摘要内容不清晰各种垃圾信息过多

提供动态摘要，摘要清晰精确，便于用户快速寻找到所需信息

其他功能

1、无关键字飘红
2、无同义词搜索
3、可实现相关性排序

1、有关键字飘红
2、无同义词搜索
3、可实现相关性排序
4、支持标准的国际搜索语法。
5、二次开发成本高

1、有关键字飘红
2、有同义词搜索
3、可实现相关性排序
4、支持标准的国际搜索语法
5、持续升级能力，可提供良好的售后服务