随着网络的发展及普及，电子文档正以惊人的速度增长。如何从这些海量信息中快速、准确地提取有价值的信息已经成为人们关注的焦点，这给信息检索技术带来了机遇和挑战，同时也促进了全文检索技术的发展。Lucene便是随着这一过程而产生发展的。Lucene是一个开放源码的全文检索引擎架构，可以很方便地对其进行二次开发，来构建全文检索系统。但在具体实现上，它仍有很多待改进的地方，尤其是在对中文信息的处理上。因为这涉及到中文分词，而中文分词在中文信息检索中占有很重要的作用，它决定了检索的精度。 在对Lucene进行深入研究后，本文构造出一种适应中英文信息处理的Lucene语言分析器，该分析器的核心模块——分词器所使用的分词算法是一种基于词典的中文分词算法，该算法具体实现上采用了基于词前缀哈希技术来进行逐字匹配，采用基于规则统计技术来进行新词识别，通过对分词中衍生词进行回溯分析来处理分词中歧义，从而达到了高效而准确的分词目的。此外，本文还为该语言分析器构造了一些过滤器，用来对初步分词结果进行过滤、优化。 本文还设计了文本内容提取器来对Lucene的数据源进行预处理，同时对Lucene的其他一些不足之处，比如检索结果的过滤、排序等进行了改进。 最后，本文设计了一个基于改进Lucene的Web全文检索系统，并介绍了其核心模块的详细设计过程。