如何索引HTML文檔？

Question

我正在使用Lucene .NEt來進行全文搜索。到目前爲止，我一直在索引PDF文檔，但現在我有幾個需要索引的網頁。索引HTML文檔以添加到我的Lucene索引的最佳/最簡單的方法是什麼？我正在使用.NET/C＃

Answer 1

Google可以爲您編制索引您的內容。

Answer 2

我目前正在處理這個問題，迄今爲止我發現的最佳答案是使用HTML Agility Pack從HTML中獲取純文本內容。