谁能告诉我，我必须从哪里开始为本地文件开发一个简单的全文搜索引擎？
我有一个带 LAMP 的 Debian 7 服务器，并且我在上面安装了一个 Windows 网络驱动器。到目前为止，我正在使用this script 向其他本地网络用户显示目录树，他们可以在其中从挂载的网络驱动器下载文件。
但我必须构建一个简单的搜索引擎，它可以索引挂载文件夹中本地文件的名称和内容（如果有） - Microsoft doc、docx、xls、xlsx、rtf、txt。搜索必须返回文件的名称、路径，如果存在搜索词的部分文本（如果文件有文本），则最好返回。
有人可以指出我必须阅读和学习的正确方向吗？谢谢。
【问题讨论】：
标签： apache solr lucene elasticsearch full-text-search
为此，您需要几个工具。你需要一些东西来索引和搜索内容，并且你已经用三个很好的工具标记了这个问题，lucene、solr 和elasticsearch。每一个都包含丰富的教程和示例来帮助您入门。
您需要的另一件事是读取所有这些不同文件类型的内容。我推荐Apache Tika。这是一个出色的工具包，可以读取您列出的所有格式，并且可以与 Lucene 配合使用。
您可以在这个问题中看到它们一起使用的示例：Tika in Action book examples Lucene StandardAnalyzer does not work
【讨论】：
你可能会觉得这很有帮助，你可能不会。
我设置了 Solr 和 Nutch 来索引我的本地文件系统并将它们存储在 Solr 中，并提供了有关如何设置它们的指南。
这将为您的应用程序提供可靠的后端。
这里是链接。前两个用于 Solr 设置，后两个用于 Nutch 集成
http://amac4.blogspot.co.uk/2013/07/setting-up-solr-with-apache-tomcat-be.html http://amac4.blogspot.co.uk/2013/07/setting-up-tika-extracting-request.html
http://amac4.blogspot.co.uk/2013/07/configuring-nutch-to-crawl-urls.html http://amac4.blogspot.co.uk/2013/07/setting-up-nutch-to-crawl-filesystem.html
【讨论】：