Lucene索引过程分为3个主要操作步骤：将原始文档转换成文本、分析文本、将分析好的文本保存至索引中
一、提取文本和创建文档
从 pdf、word等非纯文本格式文件中，提取文本格式信息。建立起对应的，包含各个域的文档后，就可以对这些文本信息进行分析。
使用 Tika框架实现
二、分析文档
调用 IndexWriter对象的 addDocument方法，将数据传递给Lucene进行索引操作。
分析文本，将文本数据分割成语汇单元串，执行一些可选操作。
一起构成分析器。
三、向索引添加文档
Lucene——索引过程分析Index
原文地址：https://www.cnblogs.com/moonsoft/p/9356181.html