[voikko] pointtereita dokumenttien indeksointiin?

[Tuomas Salo]

Hei,

mulla on kasa suomenkielisiä dokumentteja (html, pdf, yms, mutta voin kyllä muuntaa ne tekstimuotoonkin), jotka haluaisin indeksoida jollain hyvällä enginellä, jotta voin tehdä vapaasanahakuja. Ja tietysti niin, että se löytää suomen kielen muodot, siksihän tänne kirjoitankin.

Mistä lähtisin liikkeelle? Indeksointikoneet ei ole mulle kovin tuttuja, ja kuulisin mielelläni jos joku osaisi vinkata alkuun, nimenomaan tämän kieliasian suhteen. Lucene, Nutch? Jotain muuta? Kovin paksua rautalankaa en kuitenkaan tarvi - unix-työkalut yms. on kyllä tuttuja. :)

T