ru.linux

 
 - RU.LINUX ---------------------------------------------------------------------
 From : Kirill Frolov                        2:5030/827.2   26 Feb 2005  13:12:22
 To : Alexei Ivanov
 Subject : Re: search in pdf
 -------------------------------------------------------------------------------- 
 

 
 On Fri, 25 Feb 05 04:13:59 +0300, Alexei Ivanov wrote:
 
  AI>> Hужно устроить поиск данных в документах PDF.
  AI>> Какие для этого существуют возможности?
  >>   pdftotext из комплекта xpdf, ну и glimpse для индексации + руки.
  >> Рук надо много.
  AI> Такой вопрос. А под PHP вроде что-то было чтобы работать
  AI> с PDF?
 
   Такой вопрос: я понимаю, что apache, mysql и php это сейчас очень
 модно, просто хит пятилетки. Hо каким боком здесь php?  PHP это не
 более чем внедряемый в web-страницу скрипт.
 
  AI>> Предполагается использовать mySQL, PHP, Apache
  >>   Это модно...  Ещё модно mnogosearch, но результат для меня --
  >> отвратительный.
  AI> Можно пару слов о нем. Т.е. поиск он вроде поиск,
  AI> но что именно делает этот mnogosearch?
 
   Он делает индексы по размерам превышающие содержимое, и ещё
 умеет по запросу выдавать совершенно неадекватное содержимое.
 Результатом можно полюбоваться на linux.org.ru и многих других
 сайтах.
 
  AI>> Документ должен быть рассмотрен
  AI>> со структурной точки зрения.
  AI>> Name, Authors, Abstract, Paragraph Page?, Fig? etc
  >>   Фигвам.
  AI> Еше раз. Сам документ PDF содержит разбиение на страницы
  AI> параграфы и блоки или нет? Кто в курсе про сам формат.
 
   PDF -- это частный случай postscript. Разбиение на страницы конечно
 присутствует. Hо в пределах страницы изображение генерируется
 postscript программой. ИЗОБРАЖЕHИЕ, из буковок, но не текст, не параграфы...
 
  AI> Я тут еще подумал. Поиск собственно вещь непонятная.
  AI> Иначе пока не знаешь что ищешь облегчить задачу трудно.
  AI> Тогда получается по логике необходимо строить базу
  AI> функция mySQL) по ключевым словам, что задаются
 
   Да, MySQL это очень модное и непонятное слово, им пугать можно, если
 что...
 
  AI> в поиске. Если слово новое, то хочешь не хочешь
  AI> надо искать по всем файлам, ну или по тем, что указано.
  AI> А если слово уже было раз в поиске, то можно просто
  AI> посмотреть по базе где оно встречается.
 
   Слово может быть запсиано с ашибками и очепятками. Кроме того,
 в русском языке может склоняться как попало. В результате, результат
 такого поиска совершенно неадекватный. Кроме того, надо как-то учитывать
 расстояние между искомыми словами в тексте...
 
  AI> Если кто видит пробелемы или кривизну идеи
  AI> можно прокомментировать.
 
   Для небольших объёмов данных grep выигрывает.
 --- [ZX]
  * Origin: A quick brown fox jumps over the lazy dog. (2:5030/827.2)
 
 

Вернуться к списку тем, сортированных по: возрастание даты  уменьшение даты  тема  автор 

Тема:    Автор:    Дата:    Re: search in pdf   Kirill Frolov   26 Feb 2005 13:12:22   Re: search in pdf   Andy Shevchenko   27 Feb 2005 11:56:17