我在Windows 7上使用Apache的Lucene 3.0.3。我能够在给定任何文件扩展名的情况下成功索引文件（.doc，.ppt，.pdf，.txt ,. rtf等）。但是，我只能从索引的文本文档中搜索任何口语人类语言（印度语/外语）中的单词，而不能从索引的Word / Powerpoint / PDF文档中搜索单词。为什么是这样？ Lucene可以直接这样做吗？
我是否需要使用更高版本的Lucene？我很清楚Lucene 4.8.1。我是否需要使用它来完成上述任务，或者Lucene 3无法实现相同的目标？
答案 0 :(得分：0)
Lucene不解释内容。它为您提供的内容编制索引并使其可搜索。如果你把二进制垃圾交给它，它会愉快地将它编入索引并使其可搜索，它只是不能通过人类语言搜索。 .doc，.ppt，.pdf和.rtf格式不是纯文本格式，因此只需读取并直接将它们放入lucene就不能很好地索引。
您需要从文档中提取内容，以便有意义地搜索它们。我建议使用Tika。