搜索

　　用Drupal好些年了，英文站的搜索感觉还行，但中文站的搜索明显不太好用，无论是性能、准确性等方面都体验不佳。也曾经用过Apache Solr来弥补，不过配置起来有点麻烦，而且最后的搜索结果也并不一定很理想。

　　大数据量的站点要想生成搜索索引就比较困难，在字段也多的情况下更是索引起来很慢，而且容易造成MySQL超时报错或者连接数堵塞。也想过减少一些不太必要索引的字段来降低索引负载，但大数据量的站点重新生成测试就需要等待很多天。这两天干脆拿一个数据量少的不重要站点来做测试，在“内容类型”的“管理显示”设置中添加&ld

　　网站内容抓取采集真是中国互联网的一大特色，我们做了这么多年网站，一直都遇到各种各样对我们内容进行采集、复制的家伙。前一阵子发现一个网站 www.postcodequery.com 具体和我们的 www.postcodebas

　　我们用MediaWiki搭建的网站中，一些页面需要用到内部搜索结果，我们以前的办法是采用Google Search API，嵌入JavaScript代码后就可以显示Google已经收录的相关页面，这个办法简单易行，缺点是没有被收录的页面无法出现，已经展示的JS内容不会被搜索引擎发现内容。

　　十八大前后这一阵子Google搜索一直不正常，也影响到我们网站上含有Google搜索代码的页面，间歇性会出现打不开或者打开极慢的情况，影响用户正常访问我们的页面。这个问题有可能长期存在，所以必须设法解决了，否则只好把相关页面删除。

　　昨天试了一些办法，后

　　前一阵子修改了MediaWiki中的一个PHP程序，去掉了全文检索结果中的文件大小、更新时间等信息，另外在Drupal中也是可以实现的，现在补充在Drupal中实现内部搜索结果页面中去掉发布者、发布时间等信息的办法。

　　办法很简单，就是在Drupal目录中找到这个文件：

drupal_root/modules/search/search-result.tpl.php

　　将其中第57行（Drupal 6.20）注释掉就可以：

　　MediaWiki升级到1.16后，自带的中文全文检索功能基本正常，我们打开了大部分MediaWiki网站的自带搜索，来取代之前采用的调用Google Ajax Search API，不过自带检索中的搜索结果带有下面这样的字节数、日期时间等信息在一些网站中是不合适的：

星際爭霸Ⅱ
# 官方網站：[http://www.starcraft2.com/ 星際爭霸]註：英文網站 # 21CN遊戲：[http://game.21cn.com/zhuanti/starcraft2/ 星際爭霸Ⅱ專題]

　　前段时间更换服务器后，将各种限制都打开了，让各种爬虫也都自由访问，包括各种搜索引擎或者采集软件。但这两天发现新服务器都不堪重负，同事在Squid的日志中找到大量来自1.202.218.*, 1.202.219.*, 1.202.220.*, 1.202.221.*的访问，查看User-Agent信息是gosospider Mozilla/5.0 (compatible; GosoSpider; +http://www.goso.cn/aboutus.html)，原来是伟大、光荣、正确的“狗搜”来访，虽然有受宠若惊的感觉，但也让我们服务器的鸭梨过大。