下面有个老兄说的对，
一般是一个提取文档的东西，把纯文本txt提取出来，在查询
我们有一些工具，提取各种文件源，ppt,word,pdf,excel,等等
再放入index server
当然如果pdf太大，记得分几个section

其实初级搜索就3块。
爬数据
索引到服务器
从服务器查询

要做好了，
还有安全，分布式，扩展，调优等太多事情。

【 在 scma11 (iUI) 的大作中提到: 】
: 请指点一下
: 是和中文文本检索一样
: 还是用Lucene/sphinx么?
: ...................
--
FROM 59.108.24.*