1.全文本搜索和挖掘的搜索引擎
包括：搜索方法、技術(shù)：全文本搜索，信息檢索，桌面搜索，企業(yè)搜索和分面搜索。
開源搜索工具:
■Open Semantic Search：專門用于搜索自己文件的搜索引擎，同樣的還有Open Semantic Desktop Search:可用于搜索單一一臺筆記本電腦或單一用戶的文件資源。
■InvestigateIX: 用于搜索加密外部設(shè)備
■Recoll: 適用于Linux系統(tǒng)的桌面搜索引擎
■Fuzzy search with lists：清單搜索、模糊搜索
搜索數(shù)據(jù)庫和API
■如果你想編程，你可以試用以下強大的搜索引擎：Solr和Elastic Search，支持索引和API搜索，更多全文搜索、實時檢索、數(shù)據(jù)分析、多格式數(shù)據(jù)讀取（JSON, SML, CSV或HTTP）等強大功能等你開發(fā)。
2.數(shù)據(jù)庫、數(shù)字文檔、數(shù)據(jù)管理系統(tǒng)、文件管理系統(tǒng)和內(nèi)容管理系統(tǒng)
■還在為不同格式的腳注、尾注、文中引用和文獻參考大費腦筋嗎？資源整理神器Zotero的標(biāo)注和引用功能幫你解決難題。它可以在Word，Open Office添加引用，在Google doc和電子郵件中插入文獻參考，或者為數(shù)據(jù)庫添加標(biāo)記。
■LibreOffice Calc:開源表格程序
■Document cloud:文檔管理系統(tǒng)，管理紙質(zhì)文件掃描版本或者PDF 格式文件
■Semantic MediaWiki: MediaWiki(著名開源引擎，可用于構(gòu)建企業(yè)/個人知識庫，維基百科就是使用MediaWiki的成功范例)的免費開源擴展，可供用戶存儲、調(diào)用數(shù)據(jù)
■Drupal CMS:內(nèi)容管理模塊，可以讓你快速便捷地以用戶界面創(chuàng)制自己的內(nèi)容格式、數(shù)據(jù)字段和表格
■想從大量文件中單獨抽取金額來分析？專業(yè)的文件管理系統(tǒng)Agorum可以自動從賬單抽取金錢數(shù)額，幫你輕松解決。
■想標(biāo)記圖片中的文字？Pundit幫你辦到，它同時支持文本和圖片標(biāo)記。
■想在網(wǎng)站加注釋？Annotator.js幫你在任何網(wǎng)頁加注釋，而且可以添加評論、標(biāo)簽、鏈接、用戶或者更多不同種類的信息，第三方插件還能幫你在難以搞定的PDF、EPUB、視頻、圖片、聲音甚至更多格式的文件上添加標(biāo)注。
■標(biāo)注了信息，想收到更新提醒？Hypothesis可供用戶訂閱一系列已標(biāo)注的活動信息，而且能按照自己的興趣獲取通知，而且還能分享評注、鏈接詞典。程序員還可以獲取有限的網(wǎng)站許可，通過第三方應(yīng)用創(chuàng)建、更新、刪除、搜索注釋。
3. 文本文件挖掘、分析
■Text mining tutorial: How to analyze large document collections：文本挖掘教程：如何分析大容量文件集（使用Open Semantic Search來挖掘文本）
■Understanding language data: 理解語言數(shù)據(jù)：可以使用開源NLP（自然語言處理）軟件
■統(tǒng)計詞頻有困難？Overview project可以顯示文本最常用的詞和它們的詞群分布
■想以圖解的方式查看文本檢索結(jié)果？文本搜索工具Jigsaw:（非開源軟件，但可免費下載）可統(tǒng)計文本中最重要的人物、地點、組織等實體的出現(xiàn)頻率，并將他們之間的關(guān)系以列表、圖表、時間表和關(guān)系圖的形式呈現(xiàn)出來，提高文本分析效率。
■Wikipedia list of open source text mining software：維基百科上整合的開源文本挖掘軟件列表
■Tapor: 研究專用的文本分析門戶，提供大量文本分析工具，你可以按照類型或標(biāo)記找到最適合的一款。
4. 圖表和關(guān)系網(wǎng)絡(luò)分析（SNA）
幫助分析關(guān)聯(lián)并將其可視化的工具：
■關(guān)系網(wǎng)分析教程：教你如何用Open Semantic Search可視化關(guān)聯(lián)
■Cytoscape.js: Javascript數(shù)據(jù)庫，能將關(guān)系網(wǎng)、事物分屬和圖表可視化
■Semantic Mediawiki:上面介紹過，不僅是數(shù)據(jù)庫，也是適用于關(guān)聯(lián)數(shù)據(jù)、非常靈活的內(nèi)容管理系統(tǒng)
■Detective: 以Python/Django和neo4j圖像數(shù)據(jù)庫為基礎(chǔ)的內(nèi)容管理系統(tǒng)，適用于分析關(guān)系。
5. 抽取、轉(zhuǎn)換數(shù)據(jù)
包括數(shù)據(jù)整合、抽取、轉(zhuǎn)換、轉(zhuǎn)移、ETL（數(shù)據(jù)提取、轉(zhuǎn)換和加載）網(wǎng)絡(luò)爬蟲采集等等。
從文件抽取結(jié)構(gòu)化數(shù)據(jù)：
■Tika content analysis toolkit: 從文檔和文件抽取文本和元數(shù)據(jù)
■CSV Manager:將csv表格輸入Solr為基礎(chǔ)的搜索引擎
■想從PDF文件抽取數(shù)據(jù)、轉(zhuǎn)化為可編輯的文本？免費軟件Tabula可以直接從PDF文件抽取數(shù)據(jù)表格，神奇吧
■圖片識別和文本掃描：光學(xué)字符識別（OCR）
從圖片識別文本（OCR）：
■Tesseract: 光學(xué)識別軟件，從圖片識別文本
■低質(zhì)量掃描沒法看？Scantailor幫你分頁、矯正文本、添加/刪除頁邊，可以將原始文本傳換成PDF或者DJVU格式的文件，便于打印。
從聲音識別、抽取文本：
■CMU Sphinx: 開源聲音識別工具，支持英語、法語、中文、德語、荷蘭語、俄語。該開發(fā)商還提供關(guān)鍵詞識別和讀音識別等實用工具，可以多多關(guān)注。
從網(wǎng)站抽取數(shù)據(jù)（網(wǎng)絡(luò)信息采集/網(wǎng)絡(luò)爬蟲）:
■網(wǎng)絡(luò)采集哪家強？簡易 Scrapy幫你忙：你可以依托Scrapy建立自己的網(wǎng)絡(luò)爬蟲工具，編寫Python代碼，在Windows,Mac,Linux和BSD系統(tǒng)上都可運行。
6. 輸入、修改、轉(zhuǎn)換數(shù)據(jù)
■將數(shù)據(jù)轉(zhuǎn)換成純文本的超強工具： Tika content analysis toolkit
■將數(shù)據(jù)轉(zhuǎn)換成其他格式的工具：Talend Open Studio和Kettle
編寫文件和刪除元數(shù)據(jù):
記者為了保護信息，往往需要編寫文件、清除敏感文件、刪除隱藏在文件或圖片里的元數(shù)據(jù)，例如軟件的序列號或軟件、用戶名，以下工具可供參考
■PDF Redact Tools: 以最安全的方式刪除PDF中的元數(shù)據(jù)
■MAT: Metadata Anonymisation Toolkit:從不同的文件格式和圖片格式中刪除元數(shù)據(jù)
7. 統(tǒng)計與分析
包括數(shù)據(jù)分析、統(tǒng)計、圖表、數(shù)據(jù)可視化。
■開源表格程序LibreOffice Calc
■上面介紹過的HUE Solr search和Kibana for Elastic Search，除了能檢索數(shù)據(jù)庫和API，也能完成數(shù)據(jù)分析
■適用于數(shù)據(jù)分析和計量經(jīng)濟分析的專業(yè)電腦程序：Statistical software
■統(tǒng)計和分析的工具大全：Business Intelligence
■用R 、 Python或其他編程語言編程分析數(shù)據(jù)
■以上數(shù)據(jù)分析太復(fù)雜？剛?cè)腴T，想理解數(shù)據(jù)分析原理？推薦閱讀解釋數(shù)據(jù)挖掘方法的書Mining of massive datasets
8. 通用開源軟件工具包
最強大的通用開源工具包，例如 Debian GNU/Linux或Ubuntu Linux，涵蓋了成千上萬個免費軟件和開源工具、軟件數(shù)據(jù)庫和編程語言。
運行時，用戶無需移除現(xiàn)有的操作系統(tǒng)：安裝適用于Windows和Mac的Virtual Box，你就可以在現(xiàn)有操作環(huán)境下的單獨的窗口運行上述Linux軟件。
