El año pasado había hecho un curso de una semana sobre la creación de un buscador. Para pasar el curso tuvimos que realizar con un amigo (José Pino) un buscador de ejemplo con interfaz gráfica.
Elegimos usar java con una librería Apache Lucene.

OBS:

• Pueden descargar el código fuente desde el link que coloco abajo.
• También tienen la posibilidad de ver el proyecto que esta alojado en Google Code.
• En el código fuente ya incluyen archivos HTML de la Wikipedia en español para que puedan indexar y luego buscar algunos términos.
• No soporta sugerencias, operadores lógicos, ni nada. Solamente busca la palabra exacta en los documentos para luego visualizarlo.
• En el código fuente se explica con comentarios lo que se hace en cada paso.
• Se utilizan los StopWords en español.
• Es un buscador simple, para que tengan un idea de como empezar para luego ampliar y hacerle 100% funcional y práctico.
• Descomprimen el archivo y lo importan en Netbeans.

Sitio oficial: Google Code
Descargar: Código fuente