全文检索 - V2EX
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
请不要在回答技术问题时复粘贴 AI 生成的内容
lufyluo
V2EX    程序员

全文检索

  •  
  •   lufyluo 2021-11-12 17:02:41 +08:00 1977 次点击
    这是一个创建于 1478 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。
    jr55475f112iz2tu
        2
    jr55475f112iz2tu  
       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     自助推广系统     博客     API     FAQ     Solana     2146 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 24ms UTC 00:21 PVG 08:21 LAX 16:21 JFK 19:21
    Do have faith in what you're doing.
    ubao msn snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86