Lucene/Solr、Whoosh、Sphinx、Xapian 中的文档搜索

Question

我正在比较 Lucene/Solr、Whoosh、Sphinx 和 Xapian 在 DOC、DOCX、HTML 和 PDF 中搜索文档。只有 Solr 被记录为具有直接索引文档的文档解析器 (Tika)。所以它似乎是一个明显的赢家。

但为了公平竞争，我喜欢考虑替代方案。其他人是否有直接文档索引（我可能错过了）？如果不是，它们可以轻松实施吗？还是 Solr 是压倒性的选择？

Answer 1

在 Sphinx 上，您可以通过 xmlpipe_command 选项使用 PHP 脚本转换文件。由于 PHP 有 Tika 包装器，因此编写脚本和设置本身并不难。