SQL全文搜索PDF文件答案

【问题标题】：SQL FullText search for PDF filesSQL全文搜索PDF文件
【发布时间】：2023-03-18 03:11:01
【问题描述】：

首先，感谢您来到这里：

我用 SQL 编写了一个脚本，能够在文件中找到单词，在一些网站的帮助下 (http://dzapart.blogspot.fr/2012/04/full-text-search-with-pdf-in-microsoft.html)

问题就在这里：

我有 "C:\TP3_compte_rendu.pdf" 这是一个 pdf 文件，而 'C:\TP3.txt' 是这个文件的文本：

所以，这两个文件有相同的文本。

然后，我运行我的代码来构建一个表/索引/目录：

  -- Creation de la table

CREATE TABLE dbo.DocumentFiles
(
DocumentId uniqueidentifier Primary KEY DEFAULT newsequentialid(),
Nom nvarchar(50) NOT NULL,
Extension nvarchar(10) NOT NULL,
Description nvarchar(1000) NULL,
FileStream_Id uniqueidentifier NOT NULL,
Fichier varbinary(MAX) NOT NULL DEFAULT (0x)
)  ON [PRIMARY] TEXTIMAGE_ON [PRIMARY]


-- Creation de l'index    



EXEC sp_fulltext_service 'load_os_resources',1 
EXEC sp_fulltext_service 'verify_signature', 0
EXEC sp_fulltext_database 'enable'
GO
IF NOT EXISTS (SELECT TOP 1 1 FROM sys.fulltext_catalogs WHERE name = 'Ducuments_Catalog')
BEGIN
EXEC sp_fulltext_catalog 'Ducuments_Catalog', 'create';
END

DECLARE @indexName nvarchar(255) = (SELECT Top 1 i.Name from sys.indexes i
                                Join sys.tables t on  i.object_id = t.object_id
                                WHERE t.Name = 'DocumentFiles' AND i.type_desc = 'CLUSTERED')

                                PRINT @indexName

 -- Creation du catalogue

 EXEC sp_fulltext_table 'DocumentFiles', 'create', 'Ducuments_Catalog',  @indexName
 EXEC sp_fulltext_column 'DocumentFiles', 'Fichier', 'add', 0, 'Extension'
 EXEC sp_fulltext_table 'DocumentFiles', 'activate'
 EXEC sp_fulltext_catalog 'Ducuments_Catalog', 'start_full'
 EXEC sp_help_fulltext_system_components 'filter';  

 ALTER FULLTEXT INDEX ON [dbo].[DocumentFiles] ENABLE
 ALTER FULLTEXT INDEX ON [dbo].[DocumentFiles] SET CHANGE_TRACKING = AUTO

我使用 IFilter 对 PDF 文件进行全文搜索：

SELECT document_type, path FROM sys.fulltext_document_types WHERE document_type = '.pdf'

它告诉我：

.pdf | C:\Program Files\Adobe\Adobe PDF iFilter 11 for 64-bit platforms\bin\PDFFilter.dll

因为我看到“.pdf”和好的 .dll ，没关系，IFilter 安装好了。

所以，我将两个文件 .txt 和 .pdf 放在此表中，并带有相同的文本：

-- Entrée du document

INSERT INTO dbo.DocumentFiles(Nom, Extension,FileStream_Id,  Fichier)
SELECT

  'TP3.pdf' AS Nom
  , 'pdf' AS Extension
  ,'0E984725-C51D-4BF4-9960-E1C80E27ABA0wrong' AS FileStream_Id
  , * FROM OPENROWSET(BULK 'C:\TP3_compte_rendu.pdf', SINGLE_BLOB) 
   AS Fichier;
GO

-- Entrée du document

INSERT INTO dbo.DocumentFiles(Nom, Extension,FileStream_Id,  Fichier)
SELECT

 'TP3.txt' AS Nom
 , 'txt' AS Extension
 ,'0E984725-C51D-4BF4-9960-E1C80E27ABB0wrong' AS FileStream_Id
 , * FROM OPENROWSET(BULK 'C:\TP3.txt', SINGLE_BLOB) 
 AS Fichier;
GO

然后，搜索：

SELECT d.* FROM dbo.DocumentFiles d
WHERE Contains(d.Fichier, '%propose%')

它告诉我...只有 .txt。

同样的文字，只看到.txt，但安装了IFilyter..我真的不明白。

【问题讨论】：

已解决：IFilter 11 有问题，您必须使用第 9 版：但我的代码很好，所以，我希望它对某人有所帮助！

标签： sql pdf full-text-search ifilter sqlfilestream

【解决方案1】：

你可以检查一下：

请记住，您需要将 PDF iFilter 添加到 PATH。请参阅 Adobe PDF iFilter 安装指南。
包含通配符*，而不是%。只接受尾随通配符，例如：*ckoverflow* 不起作用，stackover* 起作用。

【讨论】：