论文部分内容阅读
在桌面搜索引擎中，对于二进制文件格式的处理，通常需要针对每一种具体的文件格式编写独立的解析器，复杂度较高且不易维护。从分析开源搜索引擎Lucene出发，提出一种基于Tika和Lucene的桌面搜索引擎框架，能够使用统一的应用编程接口来处理不同二进制格式的文档。整个框架均为开放源代码形式，各模块间耦合度低，易于扩展。在实现方面，基于最新的Lucene4．1，实现了对桌面系统内文档的全文搜索；并在索引性能优化方面，相比于传统的参数配置优化和内存缓冲优化两方面，使用最新的DWPT（documents write