lucene在全文检索方面似乎名声在外，看来我以前是过于浅薄了。下了那本关于lucene的经典书籍《lucene in action》照着上面的实例代码，基本就能搭起一个简易本地搜索引擎来。

  说白了，lucene就是个工具包，用里面的工具，就能做搜索引擎。
  
  基于lucene的搜索引擎的处理流程说的简单点就是下面几步：
  第一步，就是把文件变成lucene的Document对象。
  第二步，把这些对象建成索引。
  第三步，对这些索引进行搜索。

  我觉得第一步和第二步是可以作深入研究的。

  lucene专注于全文检索，处理的对象是文本，所以第一步就是想尽办法把文档中的文本内容提取出来。
  txt格式不用提取，主要就是word、html、pdf等等。
  《lucene in action》上面对主流文档格式都列举了一两个提取工具，大都是开源的。

  然后就是把这些文本内容封装成Document对象。
  既而建立索引，继而进行搜索。

  说的很简单，但lucene奥妙无穷，里面有很多参数可以控制，都可以直接影响到搜索引擎的效率。
  有兴趣的具体看一下那本书。