Python文件索引和搜索

Question

我有一个大的设置文件（hdf），我需要启用搜索。对于Java，我将使用Lucene来实现这一点，因为它是一个文件和文档索引引擎。但我不知道python的等价物是什么。

有谁能推荐我应该使用哪一个库来索引大量文件以进行快速搜索？或者你更喜欢自己滚？

我已经看过pylucene和lupy，但是这两个项目看起来都相当不活跃和不受支持，所以我不确定是否应该依赖它们。

最后说明： Woosh和pylucene看起来很有前途，但是Woosh仍然是alpha，所以我不确定是否要依赖它，而且我在编译pylucene时遇到了问题，而且没有实际的发行版。在我看了更多的数据之后，主要是数字和默认文本字符串，所以现在关闭索引引擎对我没有帮助。希望这些图书馆能稳定下来，以后游客们会发现它们的一些用处。

Answer 1

我以前没有做过索引，但是以下可能会有帮助：

1. pyIndex-http://rgaucher.info/beta/pyIndex/——Python的文件索引库
2. http://www.xml.com/pub/a/ws/2003/05/13/email.html——这是一个使用Python和Lucene搜索Outlook电子邮件的脚本
3. http://gadfly.sourceforge.net/-亚伦·沃特的牛虻数据库（我想你可以用这个来索引。我自己没用过。）

就使用HDF文件而言，我听说过一个叫做h5py的模块。

我希望这能有帮助。

Answer 2

我建议Sphinx。它非常活跃，有更多的功能，似乎比Lucene更快。

Answer 3

Lupyhas been retired而开发人员推荐使用PyLucene。至于PyLucene，它的邮件列表活动可能很低，但绝对受支持。事实上，它最近才变成了official apache subproject。

你可能还想看看一个新的竞争者：Whoosh。它类似于lucene，但用纯python实现。

Answer 4

Lupyhas been retired而开发人员推荐使用PyLucene。至于PyLucene，它的邮件列表活动可能很低，但绝对受支持。事实上，它最近才变成official apache subproject。

你可能还想看看一个新的竞争者：Whoosh。它类似于lucene，但用纯python实现。