如何使用lucene.net索引文件，如.txt，.pdf，.doc等？

Question

我是Lucene .net的新手。如何使用lucene.net?索引文件，如.txt，.pdf，.doc等，以及我们可以使用lucene.net索引的所有文件？

Answer 1

Lucene.net不知道索引特定文件。您必须自己索引文件。

我会使用IFilters提取文档中的文本，然后使用Lucene.net创建搜索索引。

您可以在codeproject.com上搜索有关使用IFilters＆amp;的多篇文章。 lucene.net

Answer 2

在索引文件之前，您需要以适当的方式从中提取文本。 Lucene或Lucene.net不这样做。对于文本提取，您可以在Windows中使用IFilter。 IFilter可能不稳定，您需要使用具有线程问题的COM。此外，使用具有不同版本文档的不同ifilter是一个真正的麻烦。

http://www.codeproject.com/Articles/13391/Using-IFilter-in-C

www.ifilter.org

有文字提取的商业替代品，但它们真的很贵。

http://www.isys-search.com/products/document-filters

http://www.oracle.com/us/technologies/embedded/025613.htm

Apache Tika是商业用途的一个很好的开源替代品。它是在Java。

http://tika.apache.org/

我强烈建议您使用Apache Solr/Lucene代替Lucene.net Solr .NET client。 Solr内置了Tika集成功能，可以实现您想要的功能。您无需了解Java即可使用Solr。它是一个可以在轻量级应用程序服务器上运行的独立Web服务。

如果您使用Lucene.Net构建文档搜索解决方案，您将遇到许多已在Solr中解决的问题。

http://www.lucidimagination.com/devzone/technical-articles/content-extraction-tika

http://wiki.apache.org/solr/ExtractingRequestHandler

这里有关于Lucene vs Solr的很好的讨论。

Search Engine - Lucene or Solr