Lucene全文搜索引擎工具包压缩文件

数据可分为两种类型：结构化数据和非结构化数据。结构化数据具有固定格式或有限长度，例如数据库和元数据。非结构化数据则是不定长或无固定格式的数据，如邮件和Word文档等磁盘上的文件。对结构化数据进行全文搜索相对简单，因为数据具有固定格式，例如可以使用SQL语句搜索数据库中的数据。而对于非结构化数据，则可采用顺序扫描法或全文搜索两种方法。顺序扫描法需要逐个文档地扫描内容，速度较慢。全文搜索则是将非结构化数据中的一部分信息提取出来，重新组织使其具有一定结构，然后进行搜索，以提高搜索速度。这部分从非结构化数据中提取并重新组织的信息称为索引。