推荐你看一下小叶子先生的这套视频教程《基于Lucene4.6+Solr4.6+Heritrix1.14+S2SH实战开发从无到有垂直搜索引擎》，一共69讲，整个课程，根据一个从无到有的历程来睁开。所有的数据，来自于互联网，用heritrix去抓取。对于抓取的数据，
学习SEO搜索引擎优化入门到精通（一）什么是S
进行去重，去标签，然后使用lucene 和 solr 进行索引和搜索。
整个项目的构建所有接纳最新手艺，包罗但不限于以下手艺：struts 2.3.16 +spring 4.0.1 +hibernate 4.3.1+jquery-easyui 1.3.5+lucene 4.6.0+solr 4.6.0+Heritrix1.14并对其做了二次封装。为了增进学员的明白，课程大量引入形象的图片来解说算法原理，信托读者会发现原来搜索引擎的焦点手艺明白起来比原先想象的要简朴得多。
一、理论部门：
2.1、搭建heritrix
1.什么是网络爬虫
2.网络爬虫能做什么
3.Heritrix原理
4.Heritrix搭建
2.2、如何进行主题抓取
1.什么是主题抓取
2.主题抓取的意义
3.主题抓取的战略
4.如何用heritrix进行主题抓取
2.3、heritrix优化
1. ELFHash算法
2.关于robot.txt
3.将heritrix打包成工具
2.4、剖析html页面
1.java正则表达式
2.基于模板获取网页内容
3.使用htmlparser剖析html
2.5、中文分词先容
1.Lucene自带的分词
2.ICTCLAS
3.IK
4.使用机械学习的算法识别中文文章中的领域词
2.6、网页去重
1.网页去重的意义
2.网页去重的主要方式
3.什么是tf*idf
4.基于指纹算法的网页去重
2.7、Lucene4.6快速索引与搜索
1.如何用lucene确定索引
2.如何用lucene搜索效果
3.Lucene中intfield怎么搜索
4.Lucene的效果高亮显示
2.8、Lucene4.6索引的相关操作
1.确定索引
2.修改索引
3.删除索引
4.索引优化
2.9、Lucene4.6的query、及queryparser
1.TermQuery
2.BooleanQuery
3.TermRangeQuery
4.NumericRangeQuery
5.PrefixQuery
6.PhraseQuery
7.MultiPhraseQuery
8.FuzzyQuery
9.WildcardQuery
10.queryparser
2.10、Lucene的Filter及自界说排序
1.Filter
2.Lucene自带排序及指定权重
3.Lucene自界说排序
2.11、Solr快速索引与搜索
1.什么是solr
2.为什么工程中要使用solr
3.Solr的原理
4.如何在tomcat中运行solr
5.如何使用solr进行索引与搜索
2.12、Solr的查询及Filter
1.solr的种种查询
2.solr的Filter
3.solr的排序
4.solr的高亮
2.13、Solr的facet先容
1.solr的某个域统计
2.solr的局限统计
2.14、Solrcloud集群搭建
1.zookeeper简介
2.solrcloud集群搭建
2.15、搜索服务的工具封装
1.工厂模式
2.封装搜索服务_lucene
3.封装搜索服务_solr
4.将lucene与solr封装成可以设置的工具，可以支持任何营业系统
二、项目部门：
2.16、项目实战
1.项目需求剖析及框架选择
2.Struts 2.3.16先容
3.Struts 2.3.16整合Spring 4.0.1
4.Spring 4.0.1整合hibernate 4.3.1
5.使用jquery-easyui 1.3.5 做后台管理页面
6.Heritrix 在工程中的运用
7.封装好的搜索框架在工程中的运用
8.Flexpaper模拟百度文库
9.文件上传
10.相关代码编写
11.搜索效果优化
12.项目总结
如何做搜索引擎优化
