Lucene：

IBM入门教程：http://www.ibm.com/developerworks/cn/java/j-lo-lucene1/

Lucene中国网站：http://www.lucene.com.cn/

lucene.net：http://lucene.apache.org/lucene.net/

Heritrix：

官网：http://crawler.archive.org/

Heritrix从互联网上抓取网页,Lucene建立索引数据库,在索引数据库中搜索排序

爬虫：

http://blog.csdn.net/wangkun9999/archive/2007/05/02/1594496.aspx

http://www.codeproject.com/cs/internet/Crawler.asp

HTML解析器：

http://www.codeproject.com/KB/cs/html2xhtmlcleaner.aspx

http://www.cnblogs.com/dragon/archive/2006/12/06/174946.html

http://www.codeproject.com/dotnet/xpath_visualizer.asp

Keywor： lucene heritrix 爬虫 全文搜索 搜索引擎网站 搜索引擎技术