Hyper Estraier Redmine Redmineのプラグイン紹介

Redmine2.0のDMSFファイルをHyper Estraierで全文検索~PDF検索編

投稿日:2012年8月14日 更新日:

参照

PDFの全文検索環境を整える3〜日本語PDFを検索できるようにする xpdf

 

 

estcmdの-fxオプションは「ファイル名の接尾辞に関連づけた外部コマンドを指定」する。

そして、Hyper Estraierにはpdfやマイクロソフトオフィス用のフィルタが付属している。

ubuntuのapt-getでインストールした場合、/usr/share/hyperestraier/filter/以下にある。パスは通っていない。

ただ、このフィルタ、エラーがあっても飲み込んでしまうらしい(Hyper Estraier(全文検索エンジン)で、PDFやWordなどのファイルがうまくクロールされない場合の対処)ので注意が必要。

サンプルで試した私のpdfファイルはestfxpdftohtmlで問題なくhtmlに変換したが、うまく登録されない場合は次の順序で確かめるといいかもしれない。

①pdftohtmlは動作するか、②estfxpdftohtmlは動作するか、③インデックスに登録されているか。(いまpdftohtmlをやってみたらError: Invalid Font Weightとか出てきたけどうまくhtmlファイルを出力できたのでみなかったことにしよう。)

注意が必要なのはhtmlに変換されるのでコマンドの指定の先頭にはH@をつけなければうまくインデックスに登録されない。

 

 

結論的にこのような感じでうまく登録できた。

 

ちなみに、登録されたかを簡単に確かめるにはこんな感じで

*また、30MBを超えるファイルはうまく登録されないかも。とりあえずわたしの環境ではA4数枚の予定なので問題ない。

pdftotextで PDFからのテキスト抜き出し

 

 

追記:docファイルとxlsファイルもできた

付属のフィルタはdocとxlsも問題なくhtmlに変換できた。

あわせてこんな感じで

 

 

タイミング的にはcronじゃなくてアップロードされたタイミングでインデックスに登録したいなあ。

たぶん、dmsf_upload.rbのafter_filterにNative Ruby Bindingにあるサンプルのgathererを参考に書けばいいんだろうけど、これはしばらく様子みた後の課題としたい。

-Hyper Estraier, Redmine, Redmineのプラグイン紹介
-,

執筆者:

関連記事

TortoiseSVNをsvn+sshリモートリポジトリで使う準備

バージョン管理といえば今やgitだが、MS Officeファイルの扱いについてはsubversionのwindowsクライアントであるTortoiseSVNが非常に優れている。 MS Office文書 …

Redmine2.5をwar化してTomcatで動かしてみた~warbler

By: Patrick Hoesly – CC BY 2.0 JRuby on Railsアプリをwar化してtomcat7で動かしてみた〜warbler 次に、Redmineをwar化し …

Ubuntu Server 12.04 + nginx + unicornでRedmine2.4.1を動かす

By: Nguyen Hung Vu – CC BY 2.0   前回 Ubuntu server12.04にRedmine2.4.1をインストール 以前の記事 Ubuntu S …

no image

Ubuntu12.04でRubyからHyper Estraierを使う~Ruby Binding

1 Hyper Estraierの準備

libestraier-devはruby bindingのコンパイルに必要 2 ソースの準備 …

no image

PDFの全文検索環境を整える3〜日本語PDFを検索できるようにする xpdf

目次1 はじめに2 xpdfのインストール3 日本語に対応させる4 テスト5 docやxlsなどのMS Officeファイル6 クローラの設定7 estcmd gatherを使う場合 はじめに Hyp …