Googleの文書検索システムの仕組みは？

質問

ＧｏｏｇｌｅデスクトップなどはＨＴＭＬの他にもOfficeアプリのファイルなどの検索も行えるようになっています。
インストール時にＨＤＤを検索してインデックスを作成する際に、ファイルの中の文書も解析してインデックスに登録しますがそのファイルの解析の仕組みはどのようになっているのでしょうか？
WindowsのＡＰＩを使用して文書の中身を吸いだすなどの方法で解析しているのかな？と思いましたがご存知の方いらっしゃらないでしょうか？

回答No.2

athanasius

google って linux のクラスター じゃなかったっけ？
linux で office の 文書をテキストか何かに変換するものでもあるのでは？
少なくとも Linux の Namazu はそれでしたが

お礼

どうやら
OpenOffice.org API
というものもあるようですね。

http://openoffice.s16.xrea.com:8080/pukiwiki/pukiwiki.php?%5B%5BOpenOffice.org%B3%AB%C8%AF%A5%AC%A5%A4%A5%C9%5D%5D

回答No.1

todo36

OfficeAPIかも

参考URL：

http://support.microsoft.com/Default.aspx?id=840817

お礼

ありがとうございます。
先ほど参考に全文検索ソフトのNamazuのソースを少し見ましたがPerlでtodo36さんが教えてくれたリンクのOfficeのＡＰＩ（ＯＬＥ）を呼び出しているようでした。