搜索

　　用Drupal好些年了，英文站的搜索感覺還行，但中文站的搜索明顯不太好用，無論是性能、準确性等方面都體驗不佳。也曾經用過Apache Solr來彌補，不過配置起來有點麻煩，而且最後的搜索結果也并不一定很理想。

　　大數據量的站點要想生成搜索索引就比較困難，在字段也多的情況下更是索引起來很慢，而且容易造成MySQL超時報錯或者連接數堵塞。也想過減少一些不太必要索引的字段來降低索引負載，但大數據量的站點重新生成測試就需要等待很多天。這兩天幹脆拿一個數據量少的不重要站點來做測試，在“内容類型”的“管理顯示”設置中添加&ld

　　網站内容抓取采集真是中國互聯網的一大特色，我們做了這麼多年網站，一直都遇到各種各樣對我們内容進行采集、複制的家夥。前一陣子發現一個網站 www.postcodequery.com 具體和我們的 www.postcodebas

　　我們用MediaWiki搭建的網站中，一些頁面需要用到内部搜索結果，我們以前的辦法是采用Google Search API，嵌入JavaScript代碼後就可以顯示Google已經收錄的相關頁面，這個辦法簡單易行，缺點是沒有被收錄的頁面無法出現，已經展示的JS内容不會被搜索引擎發現内容。

　　十八大前後這一陣子Google搜索一直不正常，也影響到我們網站上含有Google搜索代碼的頁面，間歇性會出現打不開或者打開極慢的情況，影響用戶正常訪問我們的頁面。這個問題有可能長期存在，所以必須設法解決了，否則隻好把相關頁面删除。

　　昨天試了一些辦法，後

　　前一陣子修改了MediaWiki中的一個PHP程序，去掉了全文檢索結果中的文件大小、更新時間等信息，另外在Drupal中也是可以實現的，現在補充在Drupal中實現内部搜索結果頁面中去掉發布者、發布時間等信息的辦法。

　　辦法很簡單，就是在Drupal目錄中找到這個文件：

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

　　将其中第57行（Drupal 6.20）注釋掉就可以：

　　MediaWiki升級到1.16後，自帶的中文全文檢索功能基本正常，我們打開了大部分MediaWiki網站的自帶搜索，來取代之前采用的調用Google Ajax Search API，不過自帶檢索中的搜索結果帶有下面這樣的字節數、日期時間等信息在一些網站中是不合适的：

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]

　　前段時間更換服務器後，将各種限制都打開了，讓各種爬蟲也都自由訪問，包括各種搜索引擎或者采集軟件。但這兩天發現新服務器都不堪重負，同事在Squid的日志中找到大量來自1.202.218.*, 1.202.219.*, 1.202.220.*, 1.202.221.*的訪問，查看User-Agent信息是gosospider Mozilla/5.0 (compatible; GosoSpider; +http://www.goso.cn/aboutus.html)，原來是偉大、光榮、正确的“狗搜”來訪，雖然有受寵若驚的感覺，但也讓我們服務器的鴨梨過大。