带富媒体文件的全文搜索

Question

跨富媒体文件执行全文搜索的最佳方式是什么？我正在尝试实现一个用户可以上传随机文件(.doc，.pdf，.jpg，...)的系统。最终，他将能够基于文件内容或元数据来搜索它们。

我会很感激一些关于如何构建它的想法。

PS -我开始研究Lucene和Nutch，但我认为他们所做的远远超出了我的需要。

谢谢。

Answer 1

您应该看看Tika (http://lucene.apache.org/tika/)，它是一个用于检测和提取元数据和结构化文本的工具包。