Blogger Template by Blogcrowds.

¿Qué es Lucene?

Lucene es una API para recuperación de información de código abierto, originalmente implementada en Java por Doug Cutting. Está apoyado por el Apache Software Foundation y se distribuye bajo la Apache Software License. Lucene tiene versiones para otros lenguajes: Delphi, Perl, C#, C++, Python, Ruby, PHP, .NET.


Es útil para cualquier aplicación que requiera indexado y búsqueda a texto completo. Lucene ha sido ampliamente usado por su utilidad en la implementación de motores de búsquedas, lo cual ha llevado a la falsa idea de que Lucene es un motor de búsquedas con funciones de "crawling" y análisis de documentos en HTML incorporadas. Lucene es una librería software, una herramienta de desarrollo, no es una aplicación de búsqueda.


Para Lucene no importa el origen de los datos, el formato o el idioma, siempre y cuando se puedan convertir en texto. Esto significa que se puede usar Lucene para indexar y buscar datos almacenados en archivos: páginas web en servidores remotos, documentos almacenados en el sistema local de archivos, archivos de texto simple, documentos Microsoft Word, HTML, PDF, o cualquier otro formato del que se pueda extraer información textual.


El centro de la arquitectura lógica de Lucene se encuentra el concepto de Documento (Document) que contiene Campos (Fields) de texto. Esta flexibilidad permite a Lucene ser independiente del formato del fichero. Textos que se encuentran en PDF, páginas HTML, documentos de Microsoft Word, así como muchos otros pueden ser indexados siempre y cuando se pueda extraer información de ellos.


Este diagrama nos ayuda a comprender 'dónde' está situado Lucene en nuestro sistema:

2 comentarios:

Gracias muy util! no dejes de publicar

12 de junio de 2012, 20:17  

Muy bueno! no dejes de publicar

12 de junio de 2012, 20:17  

Entrada más reciente Entrada antigua Inicio