使用Lucene索引文件

Question

我有一组具有不同扩展名的文件.doc .txt .html等。

如何将这些文件编入索引以用于Apache Lucene？

Answer 1

您可以先使用apache POI库从中提取文本，然后使用此处提供的代码对其进行索引： Apache Lucene-Use lucene 3.4.0 to index text files

Answer 2

Lucene不容易上手。阅读一本书可能有点过头了，但我开始使用Lucene阅读Lucene in Action中的几章。

Answer 3

对于索引富文档，您需要Apache Lucene和Apache Tika的组合 如果您正在使用lucene，则需要使用Tika库解析文件并将内容传递给lucene以进行索引。

Apache Tika允许轻松提取apis，执行文件类型检测工作以及从文件中检索内容和其他属性。

你应该在这些上找到example。

Answer 4

您使用Apache Tika之类的东西从中提取文本。您可能会发现使用Apache Solr而不是原始lucene更容易。