bob007的专栏

DocumentHandler接口处理InputStream对象生成一个lucene的document的对象SAX或digest从xml中提取文本信息用PDFBox从PDF中提取文本信息使用Jtity从html中提取文本信息使用NekoHTML从html中提取文本信息使用POI和textmining提取word中的文本信息使用javax.swing.text.r

对搜索结果进行排序search（Query，sort）通过相关性排序 Sort.RELEVANCE按照索引顺序排序 Sort.INDEXORDER通过某个域进行排序  new Sort("category")以相反顺序排序 new Sort("pubmonth", true)根据多个域进行排序 SortField跨度查询PhrasePrefi

solr教程http://wenku.baidu.com/view/0605a776a417866fb84a8e29.htmljava调用solrhttp://www.cnblogs.com/powerxu/archive/2012/05/25/2518709.htmlhttp://blog.youkuaiyun.com/lisong526/article/details/7494683

转自http://yourlei.blog.sohu.com/111046417.html自己上班搞了2年多的蜘蛛和采集，只是一直是使用自己的程序，今天抽时间想看看其他蜘蛛的情况，于是下载了heritrix-1.14.2。搜索了一下相关的安装介绍。基本步骤如下：    (1)解压下载的heritrix-1.14.2.zip的压缩包，如将其放在E:\datasource\heritrix