3
파이썬을 사용하여 문서 검색을 만들고 싶습니다. Solr은 Java 호스팅이 제약 조건 이었기 때문에 아무런 의미가 없었습니다.Whoosh : MS 문서, PDF 인덱싱
그래서 whoosh는 명백한 옵션입니다. 그러나 doc 또는 pdf 파일을 기본적으로 색인 화하는 것은 아닙니다 (Solr이 할 수있는 것처럼). 이러한 파일을 직접 색인 생성하는 방법은 무엇입니까?
A
답변
4
Whoosh는 해당 문서에서 추출한 텍스트 만 있으면됩니다. Whoosh 라이브러리가 당신을 위해 그 추출을하지는 않지만 pdf miner, catdoc 또는 antiword와 같은 텍스트를 추출 할 Python 라이브러리가 있습니다.
- Best way to extract text from a Word doc without using COM/automation?
- How to extract just plain text from .doc & .docx files? (unix)
자세한 내용은이 두 가지 논의를 참조하십시오
관련 문제
- 1. Lucene/Solr, Whoosh, Sphinx, Xapian에서 문서 검색
- 2. 다른 분석기로 lucene 문서 인덱싱
- 3. solrj를 사용하여 FTP 문서 인덱싱
- 4. 블록 복사 PDF 문서
- 5. PDF 문서 개요 얻기
- 6. 보안 PDF 문서 스캔
- 7. 메모리에서 PDF 문서 열기
- 8. PDF 문서 (* .pdf)를 텍스트로 덤핑 하시겠습니까?
- 9. MS SQL Server 2008 공간 인덱싱 - 작동합니까?
- 10. Office/pdf 문서 용 Java API
- 11. Sharepoint 2010 문서 라이브러리에서 문서의 PDF 작성
- 12. Whoosh 색인 뷰어
- 13. taggit 및 haystack + whoosh
- 14. Whoosh 인덱스 공유
- 15. 배치 방법 합병 PDF 문서
- 16. ASP.net 페이지에 PDF 문서 표시
- 17. XSLT를 사용하여 PDF 문서 생성
- 18. EPiServer를 사용하여 PDF 문서 게시
- 19. 웹 사이트에 PDF 문서 삽입
- 20. concat pdf 문서 adobe 전문
- 21. asp.net 2.0의 PDF 문서 작성
- 22. 파이썬에서 CSV 파일 내용 인덱싱
- 23. Grails 인덱싱
- 24. 인덱싱
- 25. 결과가 없습니다. haystack django whoosh
- 26. Haystack/Whoosh 인덱스 생성 오류
- 27. solrnet을 사용하여 풍부한 문서를 인덱싱
- 28. C# Windows Form에서 MS Word로 MS Word 문서 열기
- 29. 터미널 서버의 네이티브 MS Office PDF 변환
- 30. 양식을 사용하여 MS Access 데이터베이스에 PDF 저장