面向本地数据的插件式全文索引工具软件研究与开发

• 作者: 许琦
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 全文索引 数据解析 插件式 Lucene
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 1431-1435
• 页数: 5页
• 分类号: TP391.1
• 字数: 4129字
• 语种: 中文
• DOI: 10.3969/j.issn1672-9722.2014.08.031

摘要

探讨了本地数据的全文检索需求,提出了一个方便用户快速准确检索本地数据的解决方案.将本地数据按照文档格式分成text文档、html文档、pdf文档和office文档等四类.对于非纯文本格式的文档:调用htmlParser的核心词法分析器对html文档进行了四级封装,识别html文档中的标签;通过pdfBox提供的特殊对象LucenePDFDocument,将pdfBox和Lucene全文搜索引擎整合;利用POI的各个功能组件解析并提取office文档的标题、主题、摘要、关键词、访问和修改打印的日期时间以及正文等内容.最后应用Lucene工具包的IndexWriter类按照“关键词→文档”倒排索引模式建立全文索引库.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许琦	台州职业技术学院台州机电研究所	35	144	7.0	10.0