什么是Lucene

一，Lucene是什么？

[color=red]Lucene是一款高性能的，可扩展的信息检索（IR）工具库。[/color]信息检索库是指文档搜索，文档内信息检索或者文档相关元数据搜索等操作。Lucene能够融入到你的应用程序，以增加搜索功能。它是一款以java实现的成熟，自用，开源的软件项目，也是Apache软件基金（Apache Software Foundation）中的一个项目，并且基于Apache软件许可协议授权。因此，Lucene在近年来已经成为最受欢迎的开源信息检索工具库。

相关介绍大家还可以百度一下，很多相关的介绍！它可以帮助你对要搜索的信息建立索引，并且进行搜索！

二，Lucene能做什么？

[color=red]Lucene允许你向自己的应用程序中添加搜索功能。[/color]Lucene能够把你从文本中解析出来的数据进行索引和搜索。[color=red]Lucene并不关心你的数据来源，格式，甚至不关心数据的语种。[/color]

只要能把他转换为文本格式即可！[color=red]当然，你也可以对存储在数据库中的数据进行索引，对文件进行索引以及对你抓取的网页进行索引并查询！！[/color]当然，网页抓取并不包含在Lucene中，需要你单独去写爬虫程序！！

Lucene说白了，就是“[color=red]建立索引，搜索索引[/color]”！！

第一个开源的web搜索引擎Nutch也是就用Lucene的~~

Lucene作为一个核心搜索库，并不提供任何功能来实现内容的获取。内容获取的实现完全依赖于你的应用程序或者一款其他软件。目前，有大量的开源爬虫软件可以实现这个功能，如：

1,Solr：（http://lucene.apache.org/solr）Apache Lucene的子项目，支持从关系数据库和xml文档中提原始数据，以及能够通过集成Tika来处理复杂文档。

2,Nutch：（http://lucene.apache.org/nutch）,另一个Apache Lucene子项目，它包含大规模的爬虫工具，能够抓取和分辨web站点数据。

3,Grub：（http://www.grub.org）比较流行的开源web爬虫工具。

4,Heritrix:（http://crawler.archive.org）是一款开源的Internate文档搜索程序

5,Drods:是另一个Apache Lucene子项目

6,Aperture：它支持从web站点，文件系统和邮箱中抓去，并解析和索引和其中的文本数据。

7,google企业连接管理工程（http://code.google.com/p/google-enterprise-connector-manager）提供大量针对非web形式的内容连接方案。