Tag: apache tika

从Rails应用程序（Word，PDF，Excel等）搜索附件

我在Stack Overflow上的第一篇post请你温柔一点！ 我即将为客户启动一个新的Ruby on Rails（3.1）项目。 他们的要求之一是有一个搜索引擎，它将索引大约2,000个文档，这些文档是PDF，Word，Excel和HTML的混合。 我曾希望使用思考 – 狮身人面像或Texticle（最流行于https://www.ruby-toolbox.com/categories/rails_search.html ），但据我所知： Texticle需要PostgreSQL。 我在MySQL上。 思考-sphinx不会在文件系统上索引文件。 即使我将附件保存到数据库中，思考 – sphinx仍然无法正常工作，因为它需要纯文本（根据http://groups.google.com/group/thinking-sphinx/browse_thread/thread/69cdc1c8e1c096ff ） 所以我有两个选择： 选择其他搜索工具 尝试将附件的纯文本版本提取到数据库中，以便思考sphinx进行读取 你推荐哪种方法？ 如果它是一个不同的搜索工具，哪一个？ 我的要求非常基本，所以我真的很喜欢一个很容易设置的，有很多文档，示例和教程！ 如果它正在提取，你能推荐常用文件类型的提取器，如PDF，Word，Excel和HTML吗？ 感谢大家。 非常感谢您的帮助。