Python文件索引和搜索

我有一个大的抵消文件（hdf），我需要启用搜索。对于Java，我将使用Lucene，因为它是一个文件和文档索引引擎。我不知道python的等价物是什么

有谁能推荐我应该使用哪个库为大量文件集编制索引，以便快速搜索？还是你自己更喜欢的方式

我看过和，但这两个项目似乎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看起来很有希望，但是Woosh仍然是alpha，所以我不确定我是否要依赖它，我在编译pylucene时遇到了问题，并且没有实际的版本。在我仔细查看了数据之后，大部分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，以后游客会发现它们的用处

我以前没有做过索引，但是以下内容可能会有所帮助：-

pyIndex---Python的文件索引库

--这是一个使用Python和Lucene搜索Outlook电子邮件的脚本

-Aaron water的牛虻数据库（我认为您可以使用此数据库进行索引。我自己没有使用过。）

就使用HDF文件而言，我听说过一个名为h5py的模块

我希望这有帮助。

我建议。它非常活跃，有更多的功能，看起来比Lucene快。

Lupy和开发者推荐PyLucene。至于PyLucene，它的邮件列表活动可能很低，但它肯定是受支持的。事实上，它最近才成为一个新的话题

---

您可能还想看看新的竞争者：。它与Lucene相似，但在纯Python中实现。

< P>一个流行的基于C++的信息检索库，它经常被Python使用，是XAPIA/<

---

它速度非常快，可以愉快地管理大量数据，但它的可扩展性不如Lucene。

弹性搜索可用于索引文档和按关键字搜索
Elasticsearch也可以与graph db和hadoop集成 下面的一些URL:
1）

---

2）

我可以使用pytables很好地读取hdf5文件，我只需要找到合适的工具来索引我提取的信息。我在这方面没有什么经验。由于您已经可以读取hd5文件，我认为pyIndexer可能适合您。我在这方面没有什么经验，我希望你的项目能顺利进行。斯芬克斯很棒，而且比pylucene更容易安装、配置等。