使用富媒体文件进行全文搜索

Question

在富媒体文件中执行全文搜索的最佳方式是什么？我正在尝试实现一个系统，用户可以在该系统中上传随机文件（.doc、.pdf、.jpg，...），然后他将能够根据文件内容或元数据搜索它们。

我将不胜感激有关如何构建它的一些想法。

PS - 我开始研究 Lucene 和 Nutch，但我认为它们做的比我需要的要多。

谢谢。

Answer 1

您应该看看 Tika (http://lucene.apache.org/tika/)，它是一个用于检测和提取元数据和结构化文本的工具包。