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 …

Redmineではじめてのプロジェクト

目次1 プロジェクト作成2 バージョンを作成3 チケットを作成4 チケットのステータスを編集5 チケットを終了する6 バージョンを終了する7 プロジェクトを終了する8 Redmine運用についての情報 …

no image

PDFの全文検索環境を整える2〜estwaver

目次1 はじめに2 クローラの登録・設定・起動 はじめに PDFの全文検索環境を整える1〜Hyper Estraierのインストールの続き。 クローラの登録・設定・起動 クローラはweb上のリンクをた …

Redmine2.0に知識を集約する~knowledgebase

Redmineには標準でWikiがついているけれど総合的な知識の集約ができるほか評価付けやタグ付けができるknowledgebaseプラグインをいれた。 *各プロジェクトの使用モジュールでknowle …

Redmineでフォーラム機能を拡張する〜Redmine Q&A plugin

redminecrm.com/projects/questions/pages/1 ダウンロードして、plugins/以下に解凍

ac …