V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
lufyluo
V2EX  ›  程序员

全文检索

  •  
  •   lufyluo · 2021-11-12 17:02:41 +08:00 · 1603 次点击
    这是一个创建于 1105 天前的主题,其中的信息可能已经有所发展或是发生改变。

    需求: 上传文件( PDF 、WORD 、TXT ),支持关键字检索,可以搜索文本内容。

    大家有没有好的方案实现、或者当前开源的比较好的方案。

    现在我想的是识别文本内容,再结合 ES 。还有其它方案吗?

    10 条回复    2022-08-05 14:58:28 +08:00
    saulshao
        1
    saulshao  
       2021-11-12 17:05:07 +08:00
    基本就是你说的了,别的也比较费劲。
    czfy
        2
    czfy  
       2021-11-12 17:15:01 +08:00
    要搜索文本基本就是 ES 了
    word 和 txt 还好
    PDF OCR 可能还要费点心思,效果不一定好
    encro
        3
    encro  
       2021-11-12 19:31:09 +08:00
    1 ,word ,ppt 转 pdf ;(wps ,aliyun 服务等等都可以,不转直接读 word 文本也可以)
    2 ,用 pdfbox 抽取 pdf 文本,然后放到 es 里面;

    不用图像识别,性能太低了。
    可以付费咨询我,哈哈,根据你熟悉的语言定制方案。
    codingBug
        4
    codingBug  
       2021-11-13 00:23:23 +08:00
    很多文档网站用的 algolia
    xuexiaoaoooo
        5
    xuexiaoaoooo  
       2021-11-13 09:40:31 +08:00
    Ingest Attachment Processor Plugin
    lufyluo
        6
    lufyluo  
    OP
       2021-11-25 11:31:15 +08:00
    @saulshao
    @czfy
    @encro

    哈哈,感谢,有更好的方案,我也跟你们讨论下
    lufyluo
        7
    lufyluo  
    OP
       2021-11-25 11:31:42 +08:00
    @codingBug 哦,可以,我先去瞅瞅,感谢
    lufyluo
        8
    lufyluo  
    OP
       2021-11-25 11:32:03 +08:00
    @xuexiaoaoooo 感谢,我去研究下
    sbilly
        9
    sbilly  
       2022-07-06 14:29:12 +08:00
    @lufyluo 你找到好用的了吗?
    lufyluo
        10
    lufyluo  
    OP
       2022-08-05 14:58:28 +08:00
    @sbilly 还没,有成果了我再圈你
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   1007 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 30ms · UTC 20:04 · PVG 04:04 · LAX 12:04 · JFK 15:04
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.