开发自己的搜索引擎lucene and heritrix

1．光盘中所附代码的运行环境 服务器Tomcat5.5版本 数据库采用MySQL 5.0 版本 JDK采用1.5.0 Spring采用1.2.8版本 DWR采用1.1.3版本 Windows平台 Tomcat 插件TomcatPlugin（下载地址：http://www.sysdeo.com/eclipse/tomcatpluginfr ） 2．本书所附光盘范例 Eclipse工程/ch2：原书第二章Eclipse工程文件 对文档预处理的源代码 对文档建立索引的源代码 对文档检索的源代码 使用Lucene检索和使用java.lang.String内置方法进行检索的效率比较 安装：直接在Eclipse中选取“import->Existing Project” Eclipse工程/ch7：原书第七章和第九章的Eclipse工程文件 使用PDFBox解析PDF文件 使用xpdf解析中文PDF文件 使用POI解析WORD和Excel文件 使用Jacob解析WORD文件 Google的Search API的使用 安装：直接在Eclipse中选取“import->Existing Project” Eclipse工程/ch9：原书第十二章的工程文件 使用正则表达式解析网页文件 使用HTMLParser解析网页文件 安装：直接在Eclipse中选取“import->Existing Project” Eclipse工程/heritrixProject：原书第十章的工程文件 在Eclipse配置完成的Heritrix源代码 自行开发的Heritrix的Extractor类：pconline 自行开发的Heritrix的FrontierScheduler类：pconline 自行开发的Heritrix的Extractor类：163mobile 自行开发的Heritrix的FrontierScheduler类：163mobile 安装：直接在Eclipse中选取“import->Existing Project” Eclipse工程/testDWR：原书第十三章的工程文件 完整的DWR开发环境 DWR在页面调用后台Bean类的实例 DWR操纵页面对象的实例 安装：直接在Eclipse中选取“import->Existing Project”，该工程由于是Web工程，因此需要TomcatPlugin插件。 Eclipse工程/z_mysearch：原书中的搜索引擎完整实例 数据库脚本 网页索引格式 构建词库的源代码 从网页中解析并构建产品信息文件的源代码 从产品信息文件构建索引的源代码 数据库操作类的源代码 基于Spring的业务层管理 检索的业务类源代码 检索的DAO源代码 检索的分页实现源代码 检索的AJAX实现源代码 安装：直接在Eclipse中选取“import->Existing Project”，该工程由于是Web工程，因此需要TomcatPlugin插件。 注：随光盘附带的mirror.rar文件是使用Heritrix从pconline网上抓取的手机信息页面（以网站镜象格式存储），在本书最后搜索引擎完整实例中需要使用到。由于光盘容量有限，笔者删除了原始镜像目录中一部分的网页，可能执行效果和书上不能完全一致，请读者读懂原理后灵活处理。 说明：因为mirror.rar文件引用了第三方网站的大量信息，这需要得到网站的授权，授权的办理需要一段时间，而本书的出版不能再被延误，故本次印刷的图书，mirror.rar文件不能放在光盘中，请读者谅解。请读者在理解书中讲述的原理与方法后灵活处理。 目前已有热心读者愿意为mirror.rar文件提供下载，在此对他们表示感谢。因为该文件需要的空间较大，初期下载地址可能会不确定，请读者发邮件询问本书责编：quyanlian@ptpress.com.cn，注明“Lucene下载地址咨询”。来函必复。 对于个别下载不方便的读者，我们也可以提供刻光盘并邮寄的服务，也请发邮件询问本书责编：quyanlian@ptpress.com.cn，注明“Lucene光盘邮寄”。