Skip to main content

综观自索引搜索引擎

原文：A look at search engines with their own indexes

作者  Rohan Kumar

目前版本：2023-03-13

陆续更新

前言

这是对我能够找到的所有索引搜索引擎的粗略评论。

具有自索引[^1]的三个主导英语搜索引擎是Google，Bing和Yandex（GBY）。GBY的许多替代品都存在，但几乎没有一个没有自己的结果。相反，他们只是从GBY获取结果。

考虑到这一点，我决定对所有我能找到的不同索引搜索引擎进行测试和分类。我将优先考虑广度而不是深度，并鼓励读者如果需要获取更多信息，可以自己尝试这些引擎。

此页面是我计划无限期更新的“活跃文档“。如果您发现此页面十分有趣，请不时检查更新。请随时给我提出建议，更新和更正；我特别感谢那些说英语以外的语言，并可以评估非英语索引搜索引擎的人的帮助。联系信息是文章页脚。

我计划更新前两个类别中的引擎，并提供更多信息，以比较引擎所利用的结构化/链接的数据（RDFa 词汇表，微数据，微模型，JSON-LD等），以帮助作者确定要使用的格式。

关于列表

我在[缘由部分](#缘由)中讨论了制作此页面的动机。
我主要评估了英语的搜索引擎，因为这是我的主要语言。虽然有些困难，我也许可以评估西班牙语。但是，我找不到许多由自己的爬虫驱动的西班牙语搜索引擎。

我提到了诸如“允许站点提交”和结构化数据支持之类的详细信息，这些只是为了让内容创作者了解它们的选择，而不是作为引擎的有利因素。

请参阅底部的[方法论部分](#方法论)，以了解我如何评估每一个引擎的。

通用的索引搜索引擎

有大型索引，搜索结果优秀

这些是通过我所有标准测试的大型搜索引擎。

Google

最大的索引。允许提交页面和站点地图以爬取，甚至支持Websub以自动化该过程。驱动着其它一些引擎：

  • Startpage，可能是最受欢迎的Google代理。[^2]
  • GMX Search，由流行的德国电子邮件提供商运营。
  • （已终止运营）Runnaroo
  • SAPO（葡萄牙语的界面，可以看到英语结果）

  • DSearch

  • 13TABS

  • 使用可编程搜索引擎客户端脚本的其它许多引擎。
Bing

老二。允许使用 IndexNow API 提交页面和站点地图而不登录，与 Yandex 和 Seznam 共享 IndexNow 界面提交。它的索引驱动着许多其它引擎：

  • Yahoo（及其衍生引擎，One­Search）
  • DuckDuck­Go[^3]
  • AOL
  • Qwant（部分）[^4]
  • Ecosia
  • Ekoru
  • Privado
  • Findx
  • Disconnect Search[^5]
  • PrivacyWall
  • Lilo
  • Search­Scene
  • Peekier
  • Oscobo
  • Million Short
  • Yippy search[^6]
  • Lycos
  • Givero
  • Swisscows
  • Fireball
  • Netzzappen
  • You.com[^7]
  • Metager 默认情况下部分被其驱动；这可以关闭
  • 目前，我基本上不再添加基于Bing的搜索引擎。有太多了。
Yandex

最初是俄语的搜索引擎，现在有一个英语版本。有一些俄语的搜索结果流入了其英文网站。它允许使用 IndexNow API 提交页面和站点地图，与 Bing 和 Seznam 共享 IndexNow 界面提交。驱动着：

Mojeek

有包含数十亿页的大型索引而且似乎还是面向隐私的。质量不在 GBY 的水平之上，但还不错。如果我不得不将 Mojeek 用作默认的通用搜索引擎，那我也能正常生活。eTools.ch部分由其驱动。目前，针对通用搜索引擎我认为 Mojeek 是 GBY 的最佳替代品。

华为的搜索引擎，最近从搜索 Android 应用程序转变为通用搜索，以减少对西方搜索服务提供商的依赖。尽管搜索结果令人意外的好，但由于隐私问题，我不推荐使用它：其隐私政策描述了增强指纹识别遥测，并且没有 JavaScript，它就用不了。需要一个帐户才能提交站点。我通过我的访问日志发现了这一点。请注意，在某些司法管辖区，它不使用自己的索引：在俄罗斯和一些欧盟地区，它分别使用了 Yandex 和 Qwant。

Google，Bing 和 Yandex 支持结构化数据，例如 microformats1，microdata，RDFa，Open Graph markup 和 JSON-LD。Yandex 对 microformats1 的支持是有限的；例如，它可以为组织机构解析 H-Card 元数据，但不面向个人。Open Graph 和 Schema.org 是我知道的唯一支持的词汇表。Mojeek 正在评估结构化数据；它对 Open Graph 和 Schema.org 词汇表感兴趣。

有较小的索引或结果不够相关

这些搜索引擎在“方法论”部分列出的大部分测试中都通过了。它们都比较注重隐私保护。我不建议使用这些引擎来寻找特定的答案；通过查找与一组关键词相关的有趣页面来深入了解一个主题，这对于它们来说会是更好的选择。

Right Dao

非常快速，结果不错。测试也都通过了。一旦其用户群体增加，它计划包含查询式广告。[^8]

Gigablast

它已经存在一段时间，并且也拥有一个经典 Web 目录。搜索有点慢，提交站点进行爬取也需要收费。它为 Private.sh 提供技术支持。Gigablast 在质量上与 Right Dao 不相上下。

Alexandria

一个相当新的“非营利性，不投放广告”的搜索引擎，并且拥有自由许可的代码。其发现最新网页的能力令人惊讶。它的索引来自 Common Crawl；虽然它比 Gigablast 或 Right Dao 的索引要小，但排名很高。

Yep

这是一个野心勃勃的搜索引擎，来自一个搜索引擎优化和后向链接查找的公司，Ahrefs，它“与创作者分享广告收益并保护你的隐私”。大多数搜索引擎会显示包含查询关键字或相关关键字的结果；Yep 还会显示与包含查询的页面链接的结果。换句话说，并不是所有的结果都包含相关关键字。这使它可以用于不太精确的搜索以及发现“相关网站”，尤其是通过它数百亿网页的索引。目前它在查找非常具体的信息或最近事件方面表现较差，但它可能会得到改进。在正式发布之前，它被称作 “FairSearch”。

SeSe Engine

尽管它是一个中国文搜索引擎，但其索引似乎有足够多的英文内容适用于此处。该引擎是开源的；请参阅 SeSe后SeSe 后端Python代 Python 代码和基于Vue的 Vue 的 SeSe-UI前UI 前端。对于一个低预算项目，它的结果惊人地好。每个结果都标注有详细的排名元数据，例如关键字相关性和反向链接权重。之前在我的访问日志中发现了它。

目前 Yep 支持 Open Graph 和一些 JSON-LD。查看 Alexandria 和 Gigablast 的源代码没有显示它们使用任何结构化数据。SeSe 和 Right Dao 的出人意料的结果质量似乎受爬虫的高质量起始位置（即维基百科）的影响。

有较小的索引，时好时坏

这些搜索引擎在一些重要测试中表现很差。然而，对于希望在不太具体的搜索中获得更多意外惊喜的用户来说，它们貌似恰如其分。

Infotiger

这个引擎是我在本部分的最爱。它提供了高级结果过滤并拥有一个相当大的索引。它允许提交英语和德语页面的站点。在这一部分中改进最快的引擎：我经常使用它发现新的网站，并期待它“升级”到上一部分的那一天。Infotier拥有一个Tor隐藏服务。

seekport

界面是德语，但它能很好地支持英语搜索。默认语言是由本地设置的。考虑到它相对较小的索引，它非常优秀；它可能没有听说过一些不常见的术语，但在其它测试中它能找到相关的结果。它是本部分中增长第二快的引擎。

Exalead

搜索速度较慢，质量参差不齐。它的索引器声称爬取 DMOZ 目录，但该目录已停止，并已被 Curlie 目录替换。一些与历史相关的查询，比如 “Oppenheimer”，没有相关结果。允许提交个别网址进行索引，但需要解决 Google reCAPTCHA 和输入电子邮件地址。

ExactSeek

索引较小，被大型网站所占据。在多项测试中失败。允许提交个别网址进行爬取，但需要输入电子邮件地址并接收通讯简报。网站管理员工具似乎在大力推销付费的 SEO 选项。它还支持 SitesOnDisplay 和 Blog-search.com。

Burf.co

索引非常小，但它更善于将相关的结果排名靠前。允许直接提交网站，没有多余的步骤。

Entfer

一个新来者，允许注册的用户对搜索结果进行投票以自定义排名。未提供关于其运营者的详细信息。它的索引虽然不大，但似乎会返回与查询相关的结果。

Siik

缺乏联系信息，ToS 和隐私策略链接都是无法访问的。它的即时回答小部件的后端似乎存在 PHP 错误。如果你滚动到所有那些问题之后，它的网页搜索似乎是由它自己的索引提供的。这些结果通常会是相当相关的，但该索引似乎对于更具体的查询而言有些小。

websearchengine.org 或 tuxdex.com

这两个搜索引擎由同一批人经营，使用他们的 inetdex.com 索引。搜索速度很快，但是它的爬取深度较浅。声称拥有1000万域名的索引，并且不使用 Cookies。

ChatNoir

这是一个由研究人员开发的实验性搜索引擎，使用的是 Common Crawl 索引。该引擎是开源的。请查看 Common Crawl 邮件列表（Google Groups）上的公告。

Secret Search Engine Labs

索引非常小，几乎没有多少 SEO 垃圾；它承诺在“搜索引擎”和“冲浪引擎”之间取得平衡。对于那些因为 SEO 垃圾而难以在广泛话题上找到有用信息的人来说，它是最好的选择，由于它的 CashRank 算法，它可以帮助人们读取广泛话题的信息。允许网站提交。

Back to top