lucene中好用的两个工具luke和Tika

Luke是一个用于Lucene搜索引擎的，方便开发和诊断的第三方工具，它可以访问现有Lucene的索引，并允许您显示和修改。

Apache Tika 可以利用现有的类库，从不同的格式文档中读取数据。
利用Tika和Lucene的集成可以方便的对文档进行索引。
利用tika解析文档的例子
这里使用的是tika-1.2.jar

 

package test;

import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.io.InputStream;

import org.apache.tika.exception.TikaException;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.parser.AutoDetectParser;
import org.apache.tika.parser.ParseContext;
import org.apache.tika.parser.Parser;
import org.apache.tika.sax.BodyContentHandler;
import org.apache.tika.sax.ContentHandlerDecorator;
import org.xml.sax.ContentHandler;
import org.xml.sax.SAXException;

public class TikaTest {
    public static void main(String[] args) {
        String classPath = TikaTest.class.getResource("/").getPath();
        classPath += "doc/test.doc";
        System.out.println(classPath);
        File f = new File(classPath);
        Parser parser = new AutoDetectParser();
        InputStream input = null;
        try {
            input = new FileInputStream(f);
            ContentHandler handler = new BodyContentHandler();
            ParseContext context = new ParseContext();
            context.set(Parser.class, parser);
            Metadata data = new Metadata();
            parser.parse(input, handler, data, context);
            System.out.println(handler.toString());
        } catch (FileNotFoundException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        } catch (Exception e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        } finally{
            if(input!=null){
                try {
                    input.close();
                } catch (IOException e) {
                    // TODO Auto-generated catch block
                    e.printStackTrace();
                }
            }
        }

    }
}