Sök igenom fil efter fil med typ, fopen(), men först rensar du bort alla html-taggar med en regular expression. Sedan kan du kanske se hur många träffar som finns i varje fil för att sedan visa dem filerna som har högst procent eller liknande.
Eller något sådant, men hur detta ser ut i kod, får vi väl bearbeta på något sätt, det är en idé ialla fall! 
Annars kan du använda någon färdig indexeringsscript från hotscripts.com 