摘要：随着现代信息技术的不断发展,信息检索成为了互联网应用的核心,而全文检索是现代信息检索技术的核心中的核心。与普通检索方式不同,全文检索主要处理非结构化数据,通过索引构造器对非结构化的数据构造反向索引,并根据权重计算公式计算索引结果权重,分析文档相关性,建立文档和索引的相关度排名,最后达到准确检索目标文件的目的,因此全文检索技术也成为了现代搜索引擎技术的核心。虽然现有的商业搜索引擎可以满足一般的用户需求,但是针对企业用户以及有特殊需求的个人或研究机构,商业搜索引擎在保密性以及灵活性方面,还远远不能满足这些特定用户的需求。因此这些用户通常选择开源搜索引擎作为其解决方案,而Lucene就是其中较为优秀的解决方案之一。本文分析并研究了Lucene实现的原理及其组织结构,并且在保留Lucene架构的基础上,针对其不足之处进行了改进。首先,提供了Lucene对于多种文件格式支持,使其能够支持PDF, WORD, EXCEL, PPT, HTML等文件格式的检索。其次,对于Lucene只支持命令行的操作模式,对其改进,使其拥有更加直观的用户界面,提高了用户体验。最后,针对Lucene对于中文支持不足的缺陷,本文详细研究目前主流的中文分词算法和技术,并结合构造的基于Lucene的搜索引擎实例加以实现,并对各种中文分词器进行对比测试,分析优劣,使用户能够针对不同的应用环境,构造一个最适合的中文搜索引擎解决方案。