1. 研究目的与意义

在构建一个信息类web站点的时候，站点的全文搜索是必备的功能之一。

一般站点的信息内容都储存在各种数据库系统中，并使用数据库提供的检索和查询功能构建网站的搜索功能。

由于数据库索引不是为全文索引设计的，因此，使用like "%keyword%"时，数据库索引是不起作用的，在使用like查询时，搜索过程又变成类似于一页页翻书的遍历过程了，所以对于含有模糊查询的数据库服务来说，like对性能的危害是极大的。

2. 国内外研究现状分析

已经有很多java项目都使用了lucene作为其后台的全文索引引擎，比较著名的有：jive：web论坛系统；eyebrows：邮件列表html归档/浏览/查询系统，本文的主要参考文档thelucene search engine: powerful, flexible, and free作者就是eyebrows系统的主要开发者之一，而eyebrows已经成为目前apache项目的主要邮件列表归档系统。

cocoon:基于xml的web发布框架，全文检索部分使用了luceneeclipse:基于java的开放开发平台，帮助部分的全文索引使用了lucene。

在国内lucene的应用相对不成熟，很多研究知识处在理论研究阶段，对于企业级的应用就更少。

3. 研究的基本内容与计划

研究内容网页爬虫模块架构分析网页分析与提取模块索引建立模块web搜索模块研究计划1-2周 web爬虫的配置和扩展3-4周 网页的分析与数据提取5-9周 web系统模块和搜索模块设计10-14周 撰写论文初稿、修改完成论文、准备答辩

4. 研究创新点

纯Java实现高性能、可扩展