我想把公司服务器上的各种文档，比如doc ppt 等文件，都爬到一个MySQL数据库里面。然后用python做一个全文搜索。但是具体采集到MySQL后，不知道用什么思路比较好，毕竟一个mysql数据库的单元格有字符数限制，如果一篇文章几千个字，不可能都弄到一个单元格内吧。请问还有什么更好的思路吗。

数据库不是存文件的，也不支持文件内容搜索 iOS fly ~

我是想把文件的内容，都爬到一个mysql数据库里面，这样文件即便是有人删除了，文字内容我都保留下来了。

思路搞错了

上 apache lucene iOS fly ~

如果只是存档 可以 作为 blob类型存 iOS fly ~

这个不需要数据库吗，假如原始文件被人删除了呢

做个http服务，文件只能下载不能删除

回复6#andriod
需要数据库，会创建索引，源文件被转换了，删了没事儿 iOS fly ~

你那相当于文件备份到数据库，随便备份到其他存储也可以吧 iOS fly ~

你需要的是solr (基于lucene ，lucene 是框架，不是软件要自己开发)。
可以把mysql存到数据库里，但是有啥意义呢，只是存储，用起来还麻烦，mysql也可能被删除。怕丢应该是上云，你几个的机器也搞不了hadoop

也是想实现全文检索

回复11#andriod

那就solr ，索引本地文件很简单。

elasticsearch他不香嘛，干嘛用solr, lucene

全文搜索用es

只会点python

文本等非结构数据可以用mongodb数据库

哈哈我觉得楼主想写个百度

见笑。。我是想把所有信息集成化，就算是开会时候也能手机快速检索也能装逼用

我能想到的是mongodb而不是和你一起慢慢变老

文件存档，数据库记录文档目录 iOS fly ~

上wiki系统吧

用那个鸿雁系统edms啊，所有的都全文ocr 掉可搜索 ,或者收费的有confuence jira 应该也可以

我几年前也干过这事，自己凑合用用，当时是用结巴分析了每篇文章前20个关键词存到mysql，再加上每个文章的原文地址 huawei fly ~

哈哈，
是这个意思，现在还有效率更好的方案吗

没有，后来采集了业内大部分网站，文章迅速积累到18万+篇，一是没法自己做文章rank，二是大部分文章相似度十分高，积累越多反而越没有实用价值了 huawei fly ~

回复1#andriod

你可能需要这个
http://seadesktopsearch.com/

看起来收费的吧

回复13#lishuanzhu
+10010

这个是两件事，分开考虑比较好
1 备份，这个随便啥方案都行
2. 检索，这非结构化数据，用elasticsearch

回复28#andriod

免费的呀

elasticsearch iOS fly ~