1998年的基本步骤与现在没有什么区别,现在只是提高了每一步的效率和计算性能。
传统搜索的基本步骤:
1、爬取:收集要搜索的文档。
2、解析:将各种文档(XML、HTML、Word、PDF)转换成统一的结构,即索引中的各个域,这些域都是纯文本形式的。
3、分析:解析器能从各个文档中提取出文本内容,但是这些文本内容被索引之前还要经过分析器的处理,它负责的是对所要索引的文本进行分词。就是找到重要的单词,忽略不重要的。
4、索引:在一次索引中,Lucene的Documents对象对应于不同的实体(例如:电子邮件、记录、法律文件),不同实体的各个域中的内容是不同的。可以删除或更新从索引中产生的Documents对象。Lucene在索引方面另一个有趣的功能时boosting。所谓boosting,就是给特定的文档赋予特定的重要性,即或高或低。
5、搜索