#####散点200分,顺路讨论个小问题###################

Question

大家都知道对于数据库的数据可以用全文索引
  但对于系统文件的检索呢?
  此外对于各种类型,例如图纸,PPT,PDF类型的文件如何检索呢?
  当然系统文件也可用SQLSERVER的检索引擎,但它支持类型太少,而且不方便.
  大家在这方面有没有心得?可否讲一下?   最后一点,小生有个群,最近常讨论日益明朗和公开化的技术难点,有兴趣可以来一块探讨一下
    还有八个名额满员!!!!
       群号:28029937

Answer 1

没有好的解决方案,感觉其他的类型检索是非常不方便，比如说XML检索要遍历所有节点,以至效率低下,现在据说有一种LPAD的技术,不过也没有一个成熟的解决方案..关注楼下.

Answer 2

用lucene，可以很容易建立索引并查找。对于不同的文件格式，如pdf，可能要多做一步分析。

Answer 3

系统文件的检索方法很多了
主要是看你的东西适合用什么方法
对于图纸,PPT,PDF类型的文件
自己写一个数组
把这些文件的后缀添加进去
或者你可以在界面留一个接口
用户想添加什么类型的文件都可以，当然应支持汉语输入（比如图像文件，你就在后台添加.bmp、.jpg等等）

Answer 4

可能我没说明白,我的意思是对系统文件进行全文检索,它的难点在于如何从图纸(DWG),PPT,PDF里面解析出文字,供从中去查找关键词

Answer 5

pdf可以用PDFBox分析出文本。Office documents 也有第三方的插件。 DWG就不知道了，要分析文件格式了吧

Answer 6

其他的不说
dwg文件格式很复杂，
做到检索很困难
但是其中的文字信息还是比较容易解析的
网上有这样的文章
甚至可以考虑转化成dxf

Answer 7

在文件内容中搜索
www.codeproject.com/csharp/winsearchfile.asp

Answer 8

http://www.codeproject.com/cs/files/winsearchfile.asp

Answer 9

你不是想做桌面搜索引擎把，用程序实现PDF，PPT文件的读取，这些都有接口，到处能搜到，为了速度快就是存数据库了，索引。然后可以高速查询

Answer 10

建议研究一下com的组合文档

Answer 11

Knight94(愚翁) :你好,很感谢您的指点,这个项目我看了他的源代码,他是把所有文件读到内存中再解析的,这样速度太慢.在实际应用中不是很适用?您还有更好的方法吗?

Answer 12

如果你可以使用Indexing service的话，可以参看
http://developerland.com/DotNet/Enterprise/340.aspx
http://www.eggheadcafe.com/articles/20010422.asp

Answer 13

index service支持类型有限,只支持TXT,DOC,HTM,PPT类型

Answer 14

不是这么少，按照
http://developerland.com/DotNet/Enterprise/340.aspx
的介绍，参看文章的“Which files is Indexing Server capable of indexing?”这个部分
    * query.dll - Filters files with the TXT, ASM, BAT, C, CPP, CXX, CMD, DEF, DIC, H, HPP and XML extensions. These are all read as plain text files.
    * nlhtml.dll - Filters files with the ASCX, ASP, ASPX, CSS, HHC, HTA, HTM, HTML, HHT, HTW, HTX, ODC and STM extension. These are all files which contain or render HTML content.
    * offfile.dll - Filters files with the DOC, DOT, POT, PPS, PPT, XLB, XLC, XLS and XLT extension. All these files are MS Office files.
    * mimefilt.dll - Filters files with EML extension, which are MIME content.
    * mspfilt.dll - Filters files with the TIFF extension. This filter gets installed by MS Office 2003.

Answer 15

Knight94(愚翁)是唯一一个不含任何水分的让人尊敬的真正称的上五星高手的高手.