Buscador como el de google

[rony1880]

Buenas..

estoy necesitando implementarle a mi sitio web un buscador como el de google, es decir que busque palabras que se encuentren en el interior de archivos .html que esten offline, es decir que ya no esten disponibles para todo el mundo.

como lo hago?
tienen alguna idea?

es algo como guardar en una bd esos archivos .html para luego bajo consultas con mysql acceder a ellos.

no se si me hago entender.. es algo como:

la palabra platano esta en el archivo legumbres.html

Buscar: platano// lo que estoy buscando

bd (animales.html, frutas.html, legumbres.html)//archivos en la base de datos

Resultado: legumbres.html//

sera que podrian ayudarme con eso?

se los agradeceria

[guzzano]

Creo que lo que entendí es fácil. Abres los archivos con open, recorres el array linea por linea con preg_math buscando el texto que la persona busca.

[rodrigo791]

No creo que sea tan simple, tal vez si tenes 10 archivos simples .html y buscas linea por linea ciertos parametros, pero google no va a buscar en 10, va a buscar en millones, y eso podría demorar años, debe ser un algorítmo mas rápido, mas elaborado, y no creo que usen php, deben usar python.

[portalmana]

1>Es si guardaras esas paginas en la base de datos, pues no es lo mismo tener un indice con las direcciones e ir a buscar en dichas paginas a tener las mismas en una base de datos.

2>Si las tienes en la Base de datos a las paginas completas, que tan grande sera la misma, cuantas paginas crees que podrá llegar a tener. Se borran las paginas o por el contrario crecerá constantemente y a un ritmo acelerado.

3> Bueno si no crecerá descomunal y guardas en la base de datos podrias usar fulltext.

FullText
FullText Optimizacion
buen aporte
Comparacion de rendimientos entre tecnicas
Google

Esto te servirá para algo limitado y para un sitio nuestro que busque dentro del mismo, pero no para un servicio de búsqueda en toda la internet.

Si quieres sobre toda internet averigua de bases de datos nosql.
Si no implementa el propio buscador de google en tu sitio.

Saludos