solr wordpdf solr word

发布日期：2020-10-15

如何使用solr创建富文本索引

你可以去看下java开源搜索引擎的源代码 Java开源搜索引擎 Egothor Egothor是一个用Java编写的开源而高效的全文本搜索引擎。

借助Java的跨平台特性，Egothor能应用于任何环境的应用，既可配置为单独的搜索引擎，又能用于你的应用作为全文检索之用。

Nutch Nutch 是一个开源Java 实现的搜索引擎。

它提供了我们运行自己的搜索引擎所需的全部工具。

包括全文搜索和Web爬虫。

Lucene Apache Lucene是一个基于Java全文搜索引擎，利用它可以轻易地为Java软件加入全文搜寻功能。

Lucene的最主要工作是替文件的每一个字作索引，索引让搜寻的效率比传统的逐字比较大大提高，Lucen提供一组解读，过滤，分析文件，编排和使用索引的API，它的强大之处除了高效和简单外，是最重要的是使使用者可以随时应自已需要自订其功能。

Oxyus 是一个纯java写的web搜索引擎。

BDDBot BDDBot是一个简单的易于理解和使用的搜索引擎。

它目前在一个文本文件（urls.txt）列出的URL中爬行，将结果保存在一个数据库中。

它也支持一个简单的Web服务器，这个服务器接受来自浏览器的查询并返回响应结果。

它可以方便地集成到你的Web站点中。

Zilverline Zilverline是一个搜索引擎，它通过web方式搜索本地硬盘或intranet上的内容。

Zilverline可以从PDF, Word, Excel, Powerpoint, RTF, txt, java, CHM,zip, rar等文档中抓取它们的内容来建立摘要和索引。

从本地硬盘或intranet中查找到的结果可重新再进行检索。

Zilverline支持多种语言其中包括中文。

XQEngine XQEngine用于XML文档的全文本搜索引擎.利用XQuery做为它的前端查询语言.它能够让你查询XML文档集合通过使用关键字的逻辑组合. 有点类似于Google与其它搜索引擎搜索HTML文档一样.XQEngine只是一个用Java开发的很紧凑的可嵌入的组件. MG4J MG4J可以让你为大量的文档集合构建一个被压缩的全文本索引，通过使内插编码（interpolative coding）技术. JXTA Search JXTA Search是一个分布式的搜索系统.设计用在点对点的网络与网站上. YaCy YaCy基于p2p的分布式Web搜索引擎.同时也是一个Http缓存代理服务器.这个项目是构建基于p2p Web索引网络的一个新方法.它可以搜索你自己的或全局的索引，也可以Crawl自己的网页或启动分布式Crawling等. Red-Piranha Red-Piranha是一个开源搜索系统，它能够真正＂学习＂你所要查找的是什么.Red-Piranha可作为你桌面系统 （Windows,Linux与Mac）的个人搜索引擎，或企业内部网搜索引擎，或为你的网站提供搜索功能，或作为一个P2P搜索引擎，或与wiki结合作为一个知识/文档管理解决方案，或搜索你要的RSS聚合信息，或搜索你公司的系统（包括SAP,Oracle或其它任何Database/Data source），或用于管理PDF,Word和其它文档，或作为一个提供搜索信息的WebService或为你的应用程序 （Web,Swing,SWT,Flash,Mozilla-XUL,PHP, Perl或c#/.Net）提供搜索后台等等. LIUS LIUS是一个基于Jakarta Lucene项目的索引框架。

LIUS为Lucene添加了对许多文件格式的进行索引功能如： Ms Word,Ms Excel,Ms PowerPoint,RTF,PDF,XML,HTML,TXT,Open Office序列和JavaBeans。

针对JavaBeans的索引特别有用当我们要对数据库进行索引或刚好用户使用持久层ORM技术如：Hibernate,JDO,Torque,TopLink进行开发时。

Aperture Aperture这个Java框架能够从各种各样的资料系统（如：文件系统、Web站点、IMAP和Outlook邮箱）或存在这些系统中的文件（如：文档、图片）爬取和搜索其中的全文本内容与元数据。

它当前支持的文件格式如下： Plain text HTML, XHTML XML PDF (Portable Document Format) RTF (Rich Text Format) Microsoft Office: Word, Excel, Powerpoint, Visio, Publisher Microsoft Works OpenOffice 1.x: Writer, Calc, Impress, Draw StarOffice 6.x - 7.x+: Writer, Calc, Impress, Draw OpenDocument (OpenOffice 2.x, StarOffice 8.x) Corel WordPerfect, Quattro, Presentations Emails (.eml files) Apache Solr Solr是一个高性能，采用Java5开发，基于Lucene的全文搜索服务器。

文档通过Http利用XML加到一个搜索集合中。

查询该集合也是通过 http收到一个XML/JSON响应来实现。

它的主要特性包括：高效、灵活的缓存功能，垂直搜索功能，高亮显示搜索结果，通过索引复制来提高可用性，提供一套强大Data Schema来定义字段，类型和设置文本分析，提供基于Web的管理界面等。

Paoding Paoding中文分词是一个使用Java开发的，可结合到Lucene应用中的，为互联网、企业内部网使用的中文搜索引擎分词组件。

Paoding 填补了国内中文分词方面开源组件的空白，致力于此并希翼成为互联网网站首选的中文分词开源组件。

Paoding中文分词追求分词的高效率和用户良好体验。

Office2010版,word转PDF,显示PDFmaker文？

ABBYY FineReader 10 Professional ABBYY FineReader 将纸质文档和 PDF 文档转换成可编辑的电子文本。

介绍：ABBYY是世界文档识别、数据捕获和语言软件技术开发商的领航者.其获奖产品FineReader OCR软件可以把静态纸文件和PDF文件转换成可编辑可管理的电子文档形式，可以大大节省您的时间和精力.理想的OCR (Optical Character Recognition) 、PDF转换应用软件，不但提供高识别率，而且可以精确地保留原始设置和版面布局，可以把静态纸文件和 PDF 文件转换成可管理的电子格式！它可以将通过扫描仪、MFP 或数码相机生成的图像、PDF文件，进行快速转换为可编辑和可搜索的电子格式，支持双PDF格式.

能搜索Excel、Word、PDF的搜索工具电脑中有很多Exce

以下是转贴： 方法一： 利用Adobe公司的Adobe Acrobat Professional进行转化。

注意，一定是Professional版本的，Reader版本没有这个功能。

首先安装Adobe Acrobat Professional（目前最高版本为7.0），系统会自动产生一个虚拟打印机PDFMaker，这下明白了吗？你可以打开要转化的文档，用钢产生的虚拟打印机进行打印就可以了。

不过，对于Word、Excel、PowerPoint等来说，最好还是直接转化。

仔细观察你的Word程序，是不是发现多了一个PDFMaker工具栏呢？点面的第一项，就可以了。

安装了Adobe Acrobat Professional后最大的好处是，利用Adobe Acrobat Professional可以对PDF各式的文档进行编辑，如果你已经安装了该软件，我想你很快会使用的。

而且，Adobe Acrobat Professional还可以将你电脑上的图片转化为PDF文档，在你需要的时候，在用Adobe Acrobat Professional将PDF文档另存为图片。

方法二： 安装pdfFactory Pro，同样也会产生一个虚拟打印机，这样，你就可以把你所能打印的一切材料都转化为PDF格式。

祝您成功，谢谢！ 参考资料：

solr支持给word做索引吗

严格来说，lucene负责数据存储，而solr只是一个引擎提供搜索和插入而已，跟数据库的解释器一样，有什么好处呢，比如一个数据库有一个字段存了1000个字，你想从这些字里面搜一个词的时候，普通的数据库只会让你使用like去查询，他会遍历每个字去模糊匹配，效率很低，而且有些是无法查询的，当然除了像一些特殊的数据库带有分词，比如postgresql，那lucene做的事情就是分词，然后去匹配分词的词中是否有你想搜的词就好了，当然了，为了提高这种检索效率和内存节省底层做了很复杂的事情，可以这么简单的认为，全文搜索这件事情上数据库是无法满足的

word生成pdf我有一篇Word文档,想生成照片格式或PDF格

50个字？有些人傻得没法说，你就不要和他们计较了。

天天给他们吃几桶猪食，他们肯定会很满意的，因为量多啊。

WORD转换成PDF很容易的。

如果你是2007或以上的OFFICE版本，直接下载PDF的插件，在另存为里就可以生成PDF，和你的WORD一样漂亮。

如果是2003或以下的版本，且系统是XP或以下的，那么，我的资料里有一个PDFMAKER，你去下载，安装了，就可以在打印的时候选择这个打印机，打印成PDF。

如果你的OFFICE 是2003或以下，但系统又是XP以上，那么，就花钱去购买ADOBE READER的打印PDF的版本了。

PDF文件的内容如何能变成Word文档我有不少PDF文件,全部都

经过本人尝试，发现可以利用Office 2003中的Micosoft Office Document Imaging组件来实现PDF转WORD文档，也就是说利用WORD来完成该任务。

方法如下： 用Adoe Reade打开想转换的PDF文件，接下来选择“文件→打印”菜单，在打开的“打印”窗口中将“打印机”栏中的名称设置为“Micosoft Office Document Image Wite”，确认后将该PDF文件输出为MDI格式的虚拟打印文件。

注：如果没有找到“Micosoft Office Document Image Wite”项，使用Office 2003安装光盘中的“添加删除组件”更新安装该组件，选中“Office 工具 Micosoft DRAW转换器”。

然后，运行“Micosoft Office Document Imaging”，并利用它来打开刚才保存的MDI文件，选择“工具→将文本发送到Wod”菜单，在弹出的窗口中选中“在输出时保持图片版式不变”，确认后系统会提示“必须在执行此操作前重新运行OCR。

这可能需要一些时间”，不管它，确认即可。

注：对PDF转DOC的识别率不是特别完美，转换后会丢失原来的排版格式，所以转换后还需要手工对其进行排版和校对工作。

以上仅在wod2003中可用，其他版本没有Micosoft Office Document Image Wite。