初步研究全文搜索的解决方案

它们从互联网(使用爬虫技术)提取各个网站的信息（以网页文字为主），建立起数据库，并能检索与用户查询条件相匹配的记录，按一定的排列顺序返回结果。

分两种：

第一种有自己的搜索引擎程序，俗称“蜘蛛spider”：如百度、谷歌

第二种租用第三方引擎技术，费用高

第一种多表 join 或者创建view，进行 like 匹配查询，效率较低, 但查询结果准确.

第二种使用sql server 2008 自身全文检索技术，查询的效率很高, 中文分词没有问题, 但缺点竟然是在英文查询上, 例如：

select * from table where contains(ProductDesc, '*cad*')

它能查出abc cad , cad def, 或者cad, 它不能查出autocad这种字母连在一起的数据, 也就是说, sql server的全文检索的英文分词是空格.

此外，微软msdn 官方声明，下一版本sql 不在支持全文检索技术

第三种第三方开源项目 Lucene.net

仿照博客园搜索功能的简易网站中，需要用到Lucene.net进行查询，

两种类型的数据：结构化数据和非结构化数据

结构化数据很容易进行搜索，比如数据库包含的就是结构化数据，可以利用sql进行查询。对于非结构化数据，比如word、txt文件中包含的内容则属于非结构化数据。要对这些数据进行查找，只能采用顺序扫描的方式，但是顺序扫描的方式速度很慢。

Lucene搜索过程通常分为三步：创建、索引、搜索

从技术的可行性角度出发，使用第一种或者第三种。