Full text search en archivos

[Mario Dal Lago]

Hola, 

estoy investigando varias herramientas para hacer búsquedas de texto en archivos (*.doc, *.xls, *.pdf, etc).

Hasta ahora encontré Windows Search que es nativo en windows y existe un SDK para hacer las búsquedas http://msdn.microsoft.com/en-us/library/ff628790(v=vs.85).

Un producto comercial llamado dtSearch http://www.dtsearch.com/  y usar Lucene junto con Tika http://tika.apache.org/.

La idea es que funcione en windows y tengo algún API para acceder desde .net.

Alguno utilizó alguna de estas herramientas ? Conoce alguna otra para recomendar ?

Gracias

 Saludos

Mario Dal Lago

[Mario Dal Lago]

Hola Brian,

Gracias por responder, parece bastante completo elasticsearch, pero al depender de lucene sigue necesitando tika para hacer análisis de los archivos.

 Elastic Search es similar a Solr ?

Saludos

Mario Dal Lago

---

De: Brian J. Cardiff <bcar...@manas.com.ar>
Para: altnet-a...@googlegroups.com
CC: "altnet-...@googlegroups.com" <altnet-...@googlegroups.com>
Enviado: viernes, 10 de agosto de 2012 17:54
Asunto: Re: [altnet-argentina] Full text search en archivos

Podés probar por el lado de Lucene o sino elasticsearch (que se monta en lucene).

En el trabajo hemos usado elasticsearch para varias cosas ya, aunque no para indexar attachments, pero dicen que anda :-P

2012/8/10 Mario Dal Lago <the4...@yahoo.com.ar>

--
Desuscripción: altnet-argenti...@googlegroups.com

--
Brian J. Cardiff - Manas Technology Solutions
[ar.phone] 4796.0232 #BCR(227)
[us.phone] 312.612.1050  #BCR(227)
[email] bcar...@manas.com.ar
[web] www.manas.com.ar
[weblog] http://weblogs.manas.com.ar/bcardiff/

--
Desuscripción: altnet-argenti...@googlegroups.com

[Ariel Piñeiro]

Mario,

        Solr necesita de Tomcat y Lucene para funcionar, está muy bueno.

Saludos,
Lic. Ariel Piñeiro
http://ar.linkedin.com/in/arielpineiro

--
Has recibido este mensaje porque estás suscrito al grupo "AltNet-Hispano" de Grupos de Google.
Para publicar una entrada en este grupo, envía un correo electrónico a altnet-...@googlegroups.com.
Para anular tu suscripción a este grupo, envía un correo electrónico a altnet-hispan...@googlegroups.com
Para tener acceso a más opciones, visita el grupo en http://groups.google.com/group/altnet-hispano?hl=es.

[Cristian Wilgenhoff]

SQL Server 2012 tiene algo de análisis semántico. Utiliza algo llamado semantic search. Hay unas demos funcionando en la cual se uplodear archivos. Igual desconozco el nivel el propósito de los análisis necesarios y objetivo del mismo. Puede que el análisis que haga sea muy básico.

Saludos,

Sent from my iPhone

[Mario Dal Lago]

Hola Cristan , gracias por la data. voy a ver mas en detalle lo que ofrece Sql Server.

Saludos

 

Mario Dal Lago

---

De: Cristian Wilgenhoff <cpwilg...@gmail.com>
Para: "altnet-...@googlegroups.com" <altnet-...@googlegroups.com>
CC: "altnet-...@googlegroups.com" <altnet-...@googlegroups.com>; "altnet-a...@googlegroups.com" <altnet-a...@googlegroups.com>
Enviado: domingo, 12 de agosto de 2012 0:14
Asunto: Re: [altnet-hispano] Re: [altnet-argentina] Full text search en archivos

[Mario Dal Lago]

Hola Ariel,

Si, tengo entendido que funciona también con Jetty. Por ahora es la solución que mas se adapta a nuestras necesidades.

Gracias

 

Mario Dal Lago

---

De: Ariel Piñeiro <arie...@gmail.com>
Para: altnet-...@googlegroups.com
CC: "altnet-a...@googlegroups.com" <altnet-a...@googlegroups.com>
Enviado: sábado, 11 de agosto de 2012 14:25
Asunto: Re: [altnet-hispano] Re: [altnet-argentina] Full text search en archivos

[Mario Dal Lago]

hola

Si, son bastante similares por lo que pude leer. Por los comentarios de Mauricio, por ahora me inclino mas por Solr.

Gracias

 

Mario Dal Lago

---

De: Brian J. Cardiff <bcar...@manas.com.ar>

Para: "altnet-a...@googlegroups.com" <altnet-a...@googlegroups.com>
CC: "altnet-a...@googlegroups.com" <altnet-a...@googlegroups.com>; "altnet-...@googlegroups.com" <altnet-...@googlegroups.com>
Enviado: viernes, 10 de agosto de 2012 19:15

Asunto: Re: [altnet-argentina] Full text search en archivos

No conozco Solr, pero por la descripción deberia creo ser de similar funcionamiento.

Fijate cual tiene una forma más piola de ser consumido por lo que estés por hacer diria yo.

--

Brian J. Cardiff

--
Desuscripción: altnet-argenti...@googlegroups.com

--
Desuscripción: altnet-argenti...@googlegroups.com

[cibrax]

Si es para files de texto, el Desktop Windows search funciona lo mas bien. Lo estoy justo usando en un proyecto. Tiene un modelo de queries basado en OleDb. Solamente tenes que tener en cuenta que los files tienen que estar en una carpeta indexada, pero esto es configurable. Para archivos binarios como pdf se te va a complicar con eso me parece, no se bien como funciona.  

 

Solr o Elastic Search son los 2 mas poderosos que conozco para search, pero son soluciones server side. Depende mucho del escenario que tengas que implementar.

 

Saludos

[Walter Poch]

Para archivos binarios en Windows Search necesitas tener un plugin IFilter ( http://msdn.microsoft.com/en-us/library/ms691105(v=vs.85).aspx ) para los mismos.  http://en.wikipedia.org/wiki/IFilter 

Cada iFilter puede buscar dentro de diferentes tipos de archivos. Para PDF por ejemplo si instalas el Acrobat ya tenes registrado el iFilter para PDF y hacer búsquedas sobre los mismos.

Saludos,

--

Has recibido este mensaje porque estás suscrito al grupo "AltNet-Hispano" de Grupos de Google.

Para ver este debate en la Web, visita https://groups.google.com/d/msg/altnet-hispano/-/b5tSoyXCXwgJ.

Para publicar una entrada en este grupo, envía un correo electrónico a altnet-...@googlegroups.com.
Para anular tu suscripción a este grupo, envía un correo electrónico a altnet-hispan...@googlegroups.com
Para tener acceso a más opciones, visita el grupo en http://groups.google.com/group/altnet-hispano?hl=es.

--
Saludos,

Walter G. Poch
Sr. .Net Developer
--------------------------------------------
Cell: +54 (9 341) 3353273
walte...@gmail.com

[Mario Dal Lago]

Gracias, es una de las alternativas que tengo en cuenta, por ahora la que mas me convence es Solr.

Gracias

 

Mario Dal Lago

---

De: cibrax <cib...@gmail.com>
Para: altnet-...@googlegroups.com
CC: "altnet-a...@googlegroups.com" <altnet-a...@googlegroups.com>; Mario Dal Lago <the4...@yahoo.com.ar>
Enviado: martes, 14 de agosto de 2012 16:14
Asunto: [altnet-hispano] Re: Full text search en archivos

Si es para files de texto, el Desktop Windows search funciona lo mas bien. Lo estoy justo usando en un proyecto. Tiene un modelo de queries basado en OleDb. Solamente tenes que tener en cuenta que los files tienen que estar en una carpeta indexada, pero esto es configurable. Para archivos binarios como pdf se te va a complicar con eso me parece, no se bien como funciona.  

 

Solr o Elastic Search son los 2 mas poderosos que conozco para search, pero son soluciones server side. Depende mucho del escenario que tengas que implementar.

 

Saludos

 

 

 
El viernes, 10 de agosto de 2012 17:38:51 UTC-3, The4power escribió:

Hola, 

estoy investigando varias herramientas para hacer búsquedas de texto en archivos (*.doc, *.xls, *.pdf, etc).

Hasta ahora encontré Windows Search que es nativo en windows y existe un SDK para hacer las búsquedas http://msdn. microsoft.com/en-us/library/ ff628790(v=vs.85).

Un producto comercial llamado dtSearch http://www.dtsearch. com/  y usar Lucene junto con Tika http://tika.apache.org/.

La idea es que funcione en windows y tengo algún API para acceder desde .net.

Alguno utilizó alguna de estas herramientas ? Conoce alguna otra para recomendar ?

Gracias

 Saludos

Mario Dal Lago

--