有没有一种方法可以索引Lucene中的CHM文件

Question

有人能建议我一种方法来索引chm文件吗？例如pdfboxfor pdf。

Answer 1

如果您还有其他需要索引的文档格式，您可能会在Apache Tika 中找到更好、更通用的解决方案

他们最近刚刚添加了一个CHM解析器（供参考：支持CHM格式），它将出现在下一个版本中。

Answer 2

如果您谈论的是Microsoft Compiled HTML帮助文件，您可以使用JChm从中提取文本，然后以正常方式对其进行索引。