Dokumentensuche ala Google für eigenen Server

OP #4519629
Hallo zusammen

Ich suche nach einer Lösung, Dokumente auf einem Server über ein 
Webinterface zu durchsuchen.

Ich bin bei meiner Recherche auf Datafari gestossen.
Leider erfüllt dies nicht gänzlich meine Bedürfnisse.

Idealerweise würde meine Lösung die Dokumente mit einem Cronjob auf dem 
Linuxserver indexieren und dann über ein Webinterface zugänglich machen.

Kennt da jemand etwas passendes?

Quasi Googlesuche für Dokumente auf dem Server

Danke.
OP #4519682
Arc N. schrieb:
> Holger K. schrieb:
>> Kennt da jemand etwas passendes?
>>
>> Quasi Googlesuche für Dokumente auf dem Server
>>
>> Danke.
>
> Nicht direkt...
> Tracker, Recoll oder Catfish auf dem Server laufen lassen und dazu einen
> kleinen bspw. Python-Web-Server basteln, der die Nutzeranfragen
> entgegennimmt.

Danke für deinen Input.
Werde ich mir mal anschauen.

Auf dem Server läuft zurzeit Apache mit mysql und php.
Würde vermutlich dann diese beiden nutzen.
Gast #4519954
Holger K. schrieb:
> Quasi Googlesuche für Dokumente auf dem Server

In der Steinzeit der Suchmaschinen gabs mal eine "personal" Version 
einer Suchsoftware, ich erinnere mich leider nicht mehr von welcher. Ich 
habe die auf Firmenservern eingesetzt zur Dokumentenverwaltung, und das 
hat auch gut funktioniert. Die heutige Google-Software dürfte auf deinem 
Server wohl nicht mehr laufen, da bräuchtest du schon eine Halle voll 
Server, und alle heutigen Suchmaschinen sind sowieso geschützte 
Firmengeheimnisse.

Georg
Gast #4519981
Georg schrieb:
> heutige Google-Software dürfte auf deinem
> Server wohl nicht mehr laufen

Das vielleicht nicht, aber Du kannst ja Google selbst Deinen Server 
durchsuchen lassen. Macht mikrocontroller.net doch auch, wenn Du was in 
die Suchleiste auf der Startseite eingibst.
OP #4519996
Michael J. schrieb:
> Georg schrieb:
>> heutige Google-Software dürfte auf deinem
>> Server wohl nicht mehr laufen
>
> Das vielleicht nicht, aber Du kannst ja Google selbst Deinen Server
> durchsuchen lassen. Macht mikrocontroller.net doch auch, wenn Du was in
> die Suchleiste auf der Startseite eingibst.

Das geht leider nicht.
Es handelt sich ja um lokale dateien.
Welche nicht im WWW erreichbar sind
#4520019
Das Problem mit Dokumentenverwaltungen sind doch schon die Dateiformate. 
Ohne einen Disassembemler, der Datenformate versteht versinkt eine 
Selbstbausuchmaschine im Muell. Wie erkennt man den content eines Excel, 
wie erkennt man den content eines pdf, wie erkennt man den content eines 
Word-docs? Teilweise ist 90% Muell. Man kann natuerlich einen Suchbaum 
aufbauen, der den Muell auch enthaelt. Oder sich bei einem Muellfilter 
vertun.

Sicher ein sehr interessantes Projekt.

Ich wuerd eher zu jedem Dokument ein kleines Abstract schreiben. Was 
sich natuerlich auf vielleicht 1000 Dokumente beschraenken muss.
#4520205
Oh D. schrieb:
> Das Problem mit Dokumentenverwaltungen sind doch schon die Dateiformate.
> Ohne einen Disassembemler, der Datenformate versteht versinkt eine
> Selbstbausuchmaschine im Muell. Wie erkennt man den content eines Excel,
> wie erkennt man den content eines pdf, wie erkennt man den content eines
> Word-docs? Teilweise ist 90% Muell. Man kann natuerlich einen Suchbaum
> aufbauen, der den Muell auch enthaelt. Oder sich bei einem Muellfilter
> vertun.

Ein Teil der Formate die Tracker kennt:
MS Word, Excel, Powerpoint, Abiword, Postscript, PDF, DVI, epub, XPS, 
HTML, OGG, MP3, OpenDocument, RTF. Rest siehe
https://wiki.gnome.org/Projects/Tracker/SupportedFormats
Recoll ist da ähnlich
http://www.lesbonscomptes.com/recoll/features.html#doctypes
Windows ebenso, da muss nur der passende IFilter 1) vorhanden sein, der 
das entsprechende Format auseinandernimmt

1) https://msdn.microsoft.com/de-de/library/ms691105%28v=vs.85%29.aspx

Antwort schreiben

Eine eigene Frage? Dieser Thread ist über 10 Jahre alt. Stell sie in einem eigenen Thread – dort lesen mehr Leute mit, und sie wird öfter und schneller beantwortet.

Neuen Thread starten

Eine Lösung, Ergänzung oder Rückmeldung zu diesem Thread? Dann antworte hier.

Formatierung
  • [c]C-Code[/c]
  • [code]Code in anderen Sprachen, ASCII-Zeichnungen[/code]
  • [math]Formel in LaTeX-Syntax[/math]
  • [[Titel]] – Link zu einem Artikel
  • Verweis auf einen anderen Beitrag: Rechtsklick auf dessen Beitrags-ID (#8078628), „Adresse kopieren“, in den Text einfügen

Mehr zur Formatierung

Längeren Sourcecode als Anhang, nicht in den Text. JPG nur für Fotos und Scans; Zeichnungen und Screenshots als PNG oder GIF. Siehe Bildformate.

Schon registriert? Anmelden

Wird nicht angezeigt. Wir schicken dir einen Link; sobald du damit bestätigst, erscheint dein Beitrag.

Mit dem Abschicken legst du einen kostenlosen Account an und erkennst die Nutzungsbedingungen und die Datenschutzerklärung an.