某同学说我做的搜索太业余，邀请大伙来投票

[nyfok]

投票对象：

A. so.csdn.net

B. goobe.cn

事情起因： 某同学（某公司举足轻重的那种吧）看过我搜索后说，你没在真正搜索引擎公司干过，你这业余干的搜索，我没看出来好在哪里。

谁的产品，谁都会护短，所以我也不做过多辩解，尽量中立。但我绝不接受光扣个帽子，却也没说出个道理来。可能高人认为我自己能悟出来吧。

事实上我也知道我的产品还有一堆些问题和不足，但我天生愚钝，实在没看出来产品比 csdn 搜索差在哪儿，所以求助万能的 v 圈帮助。

一是帮我下面跟帖投个票，就说你更喜欢哪个搜索，哪个更好用。 二是最好说明一下原因。但凡是我这边的产品不足，我都会去尽量优化提升。

谢谢大家。ps，大搜索引擎公司没去过，以前自己创业做过一个视频搜索，wosss，不知道有没有人用过。

[nyfok]

@superalsrk 自己做的，目前总索引到 900 万了

[nyfok]

@stiekel 视频搜索

[nyfok]

@AngryPanda 前期都抓的 csdn，后来才抓别的站

[nyfok]

@dooonabe 是触发 bug 了，我今晚修复

[nyfok]

@shoumu 多谢

[Azmaveth]

做一下敏感词屏蔽 然后尽量爬爬国外的论坛，国外的有些技术贴真不好翻，做垂直类的就要做大引擎做不到的 ，我站 B

[Azmaveth]

对了 已经收藏并添加快捷了，即便是广告有用的东西也会保存一下 楼上那些说广告的真无趣~~~

[hlwjia]

敏感词真是。。。

还要.cn 的域名，我有点担心楼主的人身安全

[nyfok]

@encro 多谢，能说一下哪个关键词吗

[SteveZou]

我感觉你在做广告而且我有证据

[z919126592]

@nyfok https://goobe.cn/search.aspx?k=%e5%85%ad%e5%9b%9b

[nyfok]

刚才连续回复过猛，被 ban 了，这会刚恢复，我先拣要紧的说，回头再一一回复。
首先感谢大家的留言意见，不管是说好的还是批评的，我都非常感谢，因为发帖问大家的目的，也是因为我担心自己太自我、太膨胀，所以多听听朋友的意见总能让我更清醒的认识自己几斤几两，帮助自己提高。
尤其感谢提心我注意安全的朋友们，谢谢你们！我昨晚已经求助万能的 v 圈了，今天有几位很好的热心人给我违禁词清单了，我今晚就加上。我一定不给国家添乱。
再解释一下做 goobe 的原因。我是做产品的，或者说产品 80%，技术 20%。搞开发更像是我的兴趣爱好，一直坚持。和很多 it 男一样，烧数码，烧显示器，烧台灯，烧 wifi 我也是一个个玩过来（感谢另一个好社区 chiphell ），唯独编程始终不离不弃，应该算是强烈兴趣吧。
最近我在研究国内技术社区，窃以为程序员最刚需的就是搜索，不管是搜教程，搜 api，还是 debug 信息还是出错信息。如果一个技术社区连个搜索都做不好，怎么服务好他的用户？搜索最核心的就是 ranking 排序，现在很多引擎普遍是基于搜索关键词词频排序，而不太在意关键词之间的距离，这就会导致搜索的准确性。譬如“ import system.wen.httpcontext ”我们搜索时肯定期望文档中这几个词都要出现，而且越靠近约好。所以，考虑到技术搜索的特殊性，我觉得和通用新闻、资讯搜索不一样，所以我试水做了一个。另外，考虑到国内不能访问 google，我觉得这个搜索能够多索引一些国外网站，对大家也会更有帮助，所以另一部分重心放在了国外技术网站抓取上。

[nyfok]

为什么只做技术搜索？我从来没觉得 baidu 差，如果你真正做公司要养活团队，要回报股东，想着盈利的时候，未必会比 baidu 好到哪儿去。说技术超越 baidu 我也不太信，国内干过搜索的公司多的去了，腾讯也干过吧，现在也还有别的大公司在干搜索吧，但为什么用户搜索主要还用 baidu，那还是有原因的，几个人的小团队能干成的机会较小，能干成的一定是天才，我很崇拜。鉴于此，单纯的技术领域搜索还好，现在的硬件资源和技术资源我还勉强花的起，而且也可以有一些小创新可以试试看，所以纯粹是玩玩看。
搜索结果是二道贩子吗？对用人家的搜索结果，外穿一身皮的事情，我个人不太有兴趣，也违背了我玩的初衷。要做，就得做一个能够区别于 baidu，google 而又有独立存在价值的产品。所以，我摈弃了常规网页搜索正文提取的方法，而是老老实实一个个网站写模板，为的就是内容中不夹杂别的内容，保证搜索结果准确性。另外，我做结构化搜索，还能够提供论坛的回帖数显示，github 的 star 数显示，为的都是增强用户体验。楼上的有位朋友说得对，得垂直的够深，有特色，这和我想到一块了。目前是因为但关键字的 rank 我做的不好，还有当我的库里没有你的搜索结果时，前面偶尔几条结果我会参考 google，过一阵子我弄完后就回去掉。
当然搜索我觉得只是一步，未来我还期望提供更多的在线小工具，譬如 ip 查询，进制转换，js 加密解码，编程语言转化，webide 等等。尤其是知识共享平台。我觉得现在不比以前信息匮乏，现在信息足够多了，就要侧重在筛选，评级和共享，重用上，未来我可能会推出类似产品。在微软呆过的人可能知道 kb 和 so，我觉得这套知识积累成电沉淀体系就很好。
最后，再次真心感谢大家，祝大家好！

[nyfok]

说我做广告的人我也不反驳，我社区发了几个贴，都是意见征集为主，外带求帮助。另外，产品做了一半，总希望多听听大家意见，有价值就留着，没价值就关掉。这不就是论坛，圈子聊天沟通的意义吗，我为人人，人人为我。如果这属于广告行为，我虚心接受，并恳请 V2EX 管理员删除我的所有发帖，谢谢！

[keith1126]

看到楼主回复说是用 Lucene 做的，而且只自定义了文档评分的算法，坦白地说，这种程度的搜索引擎确实不够“专业”。

为什么这么评价呢，因为这种搜索引擎（从零开始，爬数据、处理数据、搭建搜索引擎、写前后端）的工作量，大概就只是一门课程的大作业级别，距离真正可用的搜索引擎还有很远。

（非嘲讽楼主，我上学期某门课的期末大作业就做了个搜索引擎，而且比这个功能掠夺，但也只能算 toy 级别的东西

[keith1126]

@keith1126 #55
掠夺 --> 略多

[nyfok]

@keith1126 感谢你中肯的意见，我很喜欢

[keith1126]

顺便试了试搜索，目测分词部分做得比较粗糙：比如“ jave 爬虫”有结果，但是“ jave 爬虫”无结果。

而且搜索结果的排序（或者说文档评分的算法）应该有点问题，比如搜索“周杰伦”，前排出来一大堆十多年前的结果。

[keith1126]

@keith1126 #58

中英文之间被自动加了空格...我的原意是 jave 和爬虫之间没有空格时搜索会有问题。

而且，还有一点小小的建议：例如“的”之类的词，可以作为停用词直接去除（网上应该有现成的中英文停用词表），这样可以提高搜索的准确率。

不过话说回来，这个搜索引擎的 UI 很简洁，深得我心。

[nyfok]

@keith1126 收到，我回头好好查查。停用词表我有，但现在为什么这个机制我忘了，回头好好看看。刚到家先吃饭，今晚当务之急先把禁查词加上，要不然真是有问题。再次感谢老兄！