如今因特网上的信息可以用惊人来形容。同时,我们的信息来源已经不仅仅限于因特网领域中了——因为台式电脑的存储量也在飞速增长。当我们一边要面对如此大量的信息,一边时间又成为宝贵的资源时,只有找到一种更加灵活、自由和即时查询的方式才能通过尽可能小的努力而迅速跨越严格的分类界限,准确地找到我们所需的信息。各种各样搜索引擎的出现解决了这个问题。搜索引擎技术正成为计算机工业界和学术界争相研究和开发的热点。搜索引擎就是按照某种策略搜索和收集信息,并且对这些信息加以组织和处理,为用户提供信息查询服务的软件应用系统。本文首先对搜索引擎的产生背景、发展历史进行了说明,并对当前著名的四大中文搜索引擎进行了简单介绍,同时指出了搜索引擎的发展现状和趋势。接下来,文章对搜索引擎的基本原理、相关技术和处理流程作了进一步的分析。通过对中文搜索引擎核心技术的研究,让我们对中文搜索引擎的实现难点有了更深的认识。由于在中文的书面格式中,词与词之间没有自然的分隔符(例如英文中的空格),中文分词就成为中文语言分析过程的核心任务。本文着重分析和比较了现有中文分词技术,并且提出了一个基于最短路径分词算法的改进方法。文章接着介绍了一个纯Java实现的成熟、自由、开源的软件项目:Lucene。Lucene是一个高性能的、可扩展的信息检索工具库。通过对Lucene源代码的分析和编程实验,让我们领略到了Lucene的精髓。由于其提供了一套简单却十分强大的核心API,使得我们可以快速得将它集成到我们自己的应用程序中。文章最后以成功开发中国电信号码百事通的搜索系统为案例阐述了搜索引擎技术在商业环境中的应用。本文详细说明了中国电信号码百事通的搜索系统的各组成模块及相关功能。并且利用基于最短路径分词算法、加权排序算法和搜索过滤等方法,对原有的基于拉丁文字的搜索引擎核心模块进行了改进,以适用于中文应用和特定商业规则。