我给Stack Overflow的第一篇帖子请你温柔!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.
我本来希望使用思考 – 狮身人面像或Texticle(在https://www.ruby-toolbox.com/categories/rails_search.html最受欢迎),但据我所知:
> Texticle需要Postgresql.我在使用MysqL.
> thinking-sphinx不会索引文件系统上的文件.
>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进行阅读
你推荐哪种方法?
如果它是一个不同的搜索工具,哪一个?我的要求是非常基本的,所以我真的很喜欢一个很容易设置的,并且有很多文档,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,Excel和HTML吗?
感谢大家.非常感谢您的帮助.
解决方法
好吧,我以前没有做过二进制文件索引,但显然Solr支持它看
Indexing files with SPHINX/ultrasphinx和
http://wiki.apache.org/solr/ExtractingRequestHandler Solr有很多可用的宝石,太阳黑子似乎是一个受欢迎的宝石 http://outoftime.github.com/sunspot/虽然太阳黑子似乎没有内置支持Solr Cells,但似乎有一些工作进入它 https://github.com/tomasc/sunspot_cell那里可能有更好的选择,但这应该给你一个很好的起点.
http://wiki.apache.org/solr/ExtractingRequestHandler Solr有很多可用的宝石,太阳黑子似乎是一个受欢迎的宝石 http://outoftime.github.com/sunspot/虽然太阳黑子似乎没有内置支持Solr Cells,但似乎有一些工作进入它 https://github.com/tomasc/sunspot_cell那里可能有更好的选择,但这应该给你一个很好的起点.