全文搜索与富媒体文件

Question

什么是跨富媒体文件进行全文搜索的最佳方式？我试图实现一个系统，用户可以上传随机文件（.doc，.pdf，.jpg，...）并下线，他可以根据文件内容或元数据搜索它们。

我将不胜感激关于如何建立这个一些想法。

PS - 我开始寻找到Lucene和Nutch的，但我觉得他们做的比什么，我需要更多的方式。

谢谢。

Answer 1

你应该看看提卡（http://lucene.apache.org/tika/），这是一种用于检测和提取元数据和结构化文本的工具包。