Buscadores

VideoRonk: buscador de vídeos

ByLuis November 21, 2006

La gente de VideoRonk nos pasa informaciÃ³n sobre su buscador de vÃdeos, que la verdad tiene muy buena pinta:

Videoronk.com es un buscador de vÃdeos, en estado beta, donde nos permite introducir el tÃ©rmino a buscar y elegir el motor de bÃºsqueda, pudiendo elegir Google VÃdeos, Youtube, Metacafe, Myspace,
Dailymotion, Vimeo o todos a la vez.

Dentro de los resultados, con seleccionar uno se nos abre una ventana
donde podemos ver el vÃdeo en cuestiÃ³n pero que ademÃ¡s aÃ±ade un botÃ³n
que nos permitirÃ¡ bajarnos el vÃdeo directamente a nuestro ordenador
en formato .flv, .mp4 y .avi.

TambiÃ©n dentro de los resultados, nos permite aÃ±adir los vÃdeos como
favoritos, aunque esa lista se guarda en una cookie, lo que significa
que si borras las cookies de tu ordenador o navega desde otro, no
verÃ¡s tu lista de favoritos.

Otra opciÃ³n que se ha incluido es la bÃºsqueda inteligente, en funciÃ³n
del texto que introduzcas en la propia bÃºsqueda te da otras opciones
a buscar.

TambiÃ©n tenemos la opciÃ³n para que pueda meter cualquier video en su blog.

ReciÃ©ntemente hemos incluido dos opciones que creemos dan un valor
aÃ±adido a la pÃ¡gina. Un buscador de mÃºsica, donde puedes buscar un
artista y te muestra los vÃdeos musicales de dicho artista. Y tambiÃ©n
incluimos las palabras mÃ¡s buscadas en un pequeÃ±o grÃ¡fico con formas
circulares que le dan un toque creativo y dinÃ¡mico a la pÃ¡gina.

VideoRonk

Buscadores

SupoSE: búsquedas en el repositorio de SVN

ByLuis March 27, 2008

Subversion Repository Search Engine (SupoSE) es un buscador implementado en Java que nos permite encontrar contenido dentro de nuestro repositorio SVN. Indexa todos los ficheros (menos los binarios) y ayuda a encontrar lo que quieres en todos los ficheros de texto, como por ejemplo los scripts de nuestras aplicaciones, en documentos OpenOffice…
No me queda muy claro si permite indexar ficheros Word, Excel y parecidos y si admite buscar en el historial del repositorio, en la página no lo indican muy bien.
SupoSE
Sea como fuera, es una buena herramienta a tener en cuenta.

Buscadores | How to | Laboratorio | PHP

Laboratorio: marcar búsquedas de Google

ByLuis June 22, 2006

Algo que suele ser interesante es cuando realizamos una bÃºsqueda en Google, que en la pÃ¡gina a la que accedemos desde los resultados de Google, nos resalte las palabras que hemos buscado, aunque la barra de Google ya te da la oportunidad de hacerlo.

El proceso es sencillo, tenemos que capturar la URL desde la que nos llaman, dada por $_SERVER[‘HTTP_REFERER’], obtener las palabras que hemos puesto a buscar el Google (vienen en el parÃ¡metro q) y despuÃ©s capturar la salida, como se realizaba en el caso de la cachÃ©, y cuando tenemos lo que vamos a enviar por la salida, sustituir cada una de las palabras por el cÃ³digo HTML que queramos que resalte la palabra en cuestiÃ³n.

<?php
// Filtro para el array para quedarnos solo con la QUERY
function filtro($val) {
return strpos($val, 'q=') === 0;
}
// Obtenemos la pÃ¡gina desde la que nos llaman
$url = $_SERVER['HTTP_REFERER'];
// Nos quedamos solo con los parÃ¡metros
$url = parse_url($url);
$url = $url['query'];
// Nos quedamos solo con el parÃ¡metro que nos interesa
$parametros = split("&", $url);
$cadena = array_filter($parametros, "filtro");
$cadena = urldecode(substr(array_shift($cadena), 2));
// Cacheamos la salida
ob_start();
?>
...
PÃ¡gina HTML
...
<?php
// Recuperamos el buffer de salida
$html = ob_get_clean();
// Por cada palabra de la cadena de bÃºsqueda, la sustituimos por el HTML necesario para resaltar
$palabras = split(" ",$cadena);
foreach ($palabras as $palabra) {
$html = preg_replace('/('.$palabra.')/i', '<b>$1</b>', $html);
}
// Mostramos el buffer por la saliad
echo $html;
?>

CÃ³digo

BiblioteconomÃa | Blogs | Buscadores

Gestión de contenidos: Boot Camp vs Bootcamp

ByLuis April 6, 2006

La noticia de ayer, incluso de hoy, es que los Mac con Intel se abren a Windows a través de Boot Camp. Nosotros la hemos reseñado en los breves de esta mañana al enterarnos ayer leyendo El Mundo.
Cuando nos hemos puesto delante de este post íbamos a hablar de la diferencia editorial entre los medios tradicionales vs. blogs y el valor añadido que los últimos dan al lector. Solo hay que pasarse por los posts (II) de Enrique Dans y Technorati y comparar con el contenido en Google News. Si hay anunciantes que dudan de la calidad de información de los blogs, especialmente los de nicho y tecnológicos, que la vayan disipando.
Pero yendo al grano. Nos ha llamado la atención que Technorati ha tenido que dividir la noticia entre Boot Camp y Bootcamp debido al uso que hacemos de las búsquedas y los tags.

El primer criterio, con dos palabras, es el “correcto”. Así aparece en la web oficial de Apple. Pero el segundo, con las dos juntas, nos da una URL de resultados más amigable, incluso una búsqueda más precisa ya que con “Boot Camp” se nos pueden filtrar otros artículos sin relación con el asunto.
¿Para ti cuál es el correcto?. ¿Se puede hablar de corrección si la segunda opción llega a tener más volúmen de búsqueda?.
Recopilación: Tags & folksonomies: etiquetas semánticas y taxonomías sociales (eCuaderno).
PD: Para escribir el nombre de un blog, fíjate en cómo lo tiene el autor escrito en el título de la URL de portada obviando la descripción que lo acompaña. No es lo mismo Sentidoweb que Sentido Web y así miles de ejemplos.

Buscadores

Nueva versión de Sphinx

ByLuis July 16, 2008

Sphinx es un buscador de texto bastante rápido y potente (pensado para bases de datos grandes), que permite ser integrado con otras bases de datos como MySQL.

Acaban de sacar la versión 0.9.8 después de 15 meses de trabajo (y justo después de que yo ayer me bajara la versión anterior y la instalara). Existen más de 70 nuevas características, de las cuales destacaría:

Soporte para libstemmer, permitiendo stemmers para nuevos lenguajes.
Posibilidad de eliminar elementos HTML.
Decodificar entidades HTML.
Añadidas nuevos modos de crear excerpts.
Mejorado el motor para obtener queries.
Nuevos modos de ordenación de resultados.
Nuevas APIs para Java, C y Ruby.

Sphinx

Buscadores | Navegadores | utilidades

Laboratorio: reconocimiento de un motor de búsqueda para navegadores

ByLuis October 30, 2007

Una de las caracterÃsticas mÃ¡s Ãºtiles que poseen actualmente los navegadores es la posibilidad de personalizar y aÃ±adir motores de bÃºsqueda. Firefox lo dispone desde hace tiempo e Internet Explorer lo ha aÃ±adido en su Ãºltima versiÃ³n. Para poder tener un poco de orden en la creaciÃ³n de estos motores existe OpenSearch, que tal como dice la Wikipedia es:

es un conjunto de tecnologÃas que permiten publicar los resultados de una bÃºsqueda en un formato adecuado para la sindicaciÃ³n y agregaciÃ³n. Es una forma para que las pÃ¡ginas web y los motores de bÃºsqueda publiquen sus resultados de forma accesible

El proceso es sencillo, aÃ±ades un XML en tu web y un acceso desde tus pÃ¡ginas para que el navegador lo reconozca y te avise de que existe para instalarlo directamente.

El XML serÃa el siguiente:

<?xml version="1.0" encoding="UTF-8"?>
<OpenSearchDescription xmlns="http://a9.com/-/spec/opensearch/1.1/">
<ShortName>Sentido Web</ShortName>
<LongName>Sentido Web - Actualidad, productividad y desarrollo web...</LongName>
<Description>Encuentra todo lo que necesitas en tu dÃa a dÃa del desarrollo web.</Description>
<Tags>sentidoweb web internet blogs bitÃ¡coras weblogs web2.0 estÃ¡ndares css xhtml web-semÃ¡ntica php javascript</Tags>
<Contact>info@blogsmedia.com</Contact>
<Url type="text/html"     template="http://sentidoweb.com/bm/mt-search.cgi?IncludeBlogs=1&amp;search={searchTerms}&amp;submit.x=0&amp;submit.y=0&amp;submit=Buscar"/>
<Image height="16" width="16" type="image/vnd.microsoft.icon">http://sentidoweb.com/i/favicon.ico</Image>
<Query role="example" searchTerms="php" />
<Developer>Luis SacristÃ¡n Pascual</Developer>
<Attribution>BlogsMedia 2007, Creative Commons (Reconocimiento-NoComercial-SinObraDerivada 2.5)</Attribution>
<SyndicationRight>open</SyndicationRight>
<AdultContent>false</AdultContent>
<Language>es-es</Language>
<OutputEncoding>UTF-8</OutputEncoding>
<InputEncoding>UTF-8</InputEncoding>
</OpenSearchDescription>

Y la lÃnea que hay que aÃ±adir a nuestras pÃ¡ginas en el header es la siguiente:

<link rel="search" type="application/opensearchdescription+xml"
href="http://dominio/path/opensearch.xml" title="Nuestro buscador" />

El XML de arriba es el que usamos para Sentido Web y aunque su lectura es clara, explicaremos cada una de las etiquetas del XML:

OpenSearchDescription: es la cabecera del XML de OpenSearch.
ShortName: contiene el nombre corto que identifica al motor de bÃºsqueda. Debe tener como mÃ¡ximo 16 caracteres.
LongName: contiene el nombre largo que identifica al motor de bÃºsqueda. Debe tener como mÃ¡ximo 48 caracteres.
Description: descripciÃ³n del motor de bÃºsqueda. Debe tener un mÃ¡ximo de 1024 caracteres.
Tags: conjunto de palabras separadas por espacios que describen el tipo de contenido que nos encontraremos en las bÃºsquedas. Debe tener un mÃ¡ximo de 256 caracteres.
Contact: e-mail de contacto.
Url: indica el interfaz que el cliente (navegador) podrÃ¡ utilizar para realizar la bÃºsqueda. Dispone de varios parÃ¡metros que nos permiten personalizar la bÃºsqueda:
- type: tipo MIME del resultado de la bÃºsqueda. Puede ser por ejemplo application/rss+xml para RSS o application/xhtml+xml para XHTML.
- template: la plantilla de la URL para indicar al cliente cÃ³mo realizar la bÃºsqueda, usando esta sintaxis.
- indexOffset: contiene el Ãndice del primer resultado de bÃºsqueda.
- pageOffset: contiene el nÃºmero de la primera pÃ¡gina de resultados.
Image: URL de la imagen que se asocia al buscador.
Query: define una bÃºsqueda pueden realizar los clientes, mÃ¡s informaciÃ³n aquÃ.
Developer: creador del xml.
AttributionEntidades a las que se les asocia el motor de bÃºsqueda.
SyndicationRight: el grado de resultados que provee el buscador que se pueden buscar, mostrar y redistribuir.
AdultContent: indica si hay contenido para adultos.
Language: idioma del resultado de la bÃºsqueda.
OutputEncoding: codificaciÃ³n de los datos de salida.
InputEncoding: codificaciÃ³n de los datos de entrada.

Existen otras etiquetas y se le pueden aÃ±adir otras si se indica un xmlns en la etiqueta OpenSearchDescription.

Buscadores | Desarrollo web | PHP

Crear un buscador simple para tu página mediante PHP

ByLuis January 22, 2007

Algo fundamental para una pÃ¡gina web es el uso de un buscador para acceder al contenido deseado de forma sencilla. Hace tiempo que andaba buscando este artÃculo y gracias a dzone lo he encontrado.
Se trata de crear un script en PHP para crear un buscador en nuestro sitio web. Para ello primero tendremos que crear un estructura en la base de datos para almacenar la relaciÃ³n entre palabras y pÃ¡ginas. Se crearÃ¡n tres tablas, una para almacenar las pÃ¡ginas, otra para almacenar las palabras y otra para almacenar la relaciÃ³n entre pÃ¡ginas y palabras.
En segundo lugar deberemos indexar las pÃ¡ginas, usando un script que pasÃ¡ndole una URL, se la baje, le elimine todas las etiquetas HTML, la separe en palabras y guarde todos los datos en las tablas.
Por Ãºltimo crear una pÃ¡gina para realizar la bÃºsqueda, un sencillo formulario y una consulta a la BD nos devolverÃ¡ una lista de pÃ¡ginas que contiene dicha palabra.
La verdad es que mÃ¡s simple no puede ser, y lÃ³gicamente no parece muy Ã³ptimo. Se le podrÃan hacer varios ajustes al script, como por ejemplo crear una lista de palabras “tabÃº”, las cuales no indexarÃ¡ (preposiciones, artÃculos). TambiÃ©n en la tabla de relaciones entre pÃ¡ginas-palabras se le podrÃa incluir la posiciÃ³n de la palabra, asÃ si queremos buscar dos palabras seguidas, poder localizar mejor estos casos. Otra opciÃ³n serÃa localizar las etiquetas HTML de cabeceras (h1, h2, …) de la pÃ¡gina, las etiquetas para resaltar texto (strong, em, b, i, u) y darle una mayor importancia o prioridad a esas palabras en la tabla de relaciones, asÃ los resultados que nos devuelva la consulta, los podemos ordenar por prioridad, y no tener que encontrarnos entre los primeros resultados pÃ¡ginas que poco tienen que ver con lo que buscamos simplemente porque contienen la palabra. Y por Ãºltimo, se me ocurre que en la tabla de pÃ¡ginas se le podrÃa aÃ±adir un campo que indicara el nÃºmero de visitas que recibe, priorizando las busquedas en pÃ¡ginas mÃ¡s visitadas.
Este mÃ©todo no creo que sea el mejor, y seguro que hay algoritmos mÃ¡s optimos, pero creo que motores de bÃºsqueda implementados en algunos CMS como por ejemplo WordPress son peores aÃºn. Por ejemplo WordPress busca la palabra en cada post escrito y almacenado en la BD. Y si el CMS ya usa expresiones regulares peor aÃºn, porque aÃºn lo mucho que me gustan, si que es cierto que consumen muchos recursos. AsÃ les ha podido pasar a algunos blogs que han tenido que usar la bÃºsqueda mediante Google en vez de la que incluye su CMS.
Algo que tambiÃ©n estarÃa muy bien serÃa dotar al motor de la capacidad de ignorar acentos, asÃ si buscamos “cancion” nos deberÃa devolver los mismos resultados que si buscamos “canciÃ³n”. Con el mÃ©todo explicado serÃa relativamente sencillo, ya que solo habrÃa que almacenar las palabras en la tabla de palabras sin acento y luego al ser enviada por el buscador, quitarle los acentos para que se busque sin ellos.
Building a Simple Search Engine with PHP
VÃa / dzone

Similar Posts