全文検索

全文検索とは？

サイト内のコンテンツを定期的に取得して索引を作り、閲覧者向けの検索に使う仕組みです。PDF・Excel・PowerPointなどのファイルも、テキストを抜き出して同じ索引に入ります。

サイトのコンテンツを定期的に取得してテキストを取り出し、検索用の索引を作ります。閲覧者向けのサイト内検索は、この索引に応えます。

取得はプレビューモード（公開時の状態）で行います。テキスト抽出にはJsoup、索引にはLuceneを使い、PDF・Excel・PowerPointなどのファイルもApacheのライブラリでテキストを抜き出して同じ索引に入ります。

索引の更新は定期実行のため、公開直後のページが検索に載るまでには時間差があります。画像の中の文字は対象になりません。

・サイト内のコンテンツを対象に全文検索を提供する
・PDF・Excel・PowerPointなどのファイルの本文も検索対象にする

・ドキュメントや資料が多いサイトの検索
・FAQや技術資料を横断して探させたいとき

索引に入るのは、テキストとして取り出せたものだけです。