Toon posts:

[php] zoeken in microsoft bestanden

Pagina: 1
Acties:

Verwijderd

Topicstarter
Nogmaals bedankt voor jullie hulp bij het vorige probleem, Ik heb alleen nu nog een vraagje hopelijk weet een van jullie hier een oplossing voor.
Ik wil in de zoekfunctie van me intranet kunnen zoeken in de tekst van bv een word document. Eerst wou ik trefwoorden aan een bestand koppelen, maar dat is geen doen want in somige documenten staat wel over 40 onderwerpen iets in. Nu is mij vraag of ik ook dus in de tekst zelf van bv een word document kan zoeken vanuit php.
ik zoe het wel kunnen doen dmv van alles om te zetten naar html. bv met het programma http://www.email-screen.com/index-doc2html.html maar die kost $128.
Heeft iemand misschien een andere kijk op dit probleem en dus een andere oplossing. Of raden jullie mij het helemaal af om in word documenten te zoeken omdat het allemaal te lang duurt. Want straks staan er wel iets van 100 documenten die dan moeten worden doorzocht...alvast bedankt als iemand een idee heeft

  • bartvb
  • Registratie: Oktober 1999
  • Laatst online: 26-08 16:09
Ik dacht dat er al een aantal op PHP gebaseerde searchengines waren die ook spul als PDF en Word slikken.. Ben alleen compleet de naam kwijt ('t is nog vroeg) en 100% zeker weten doe ik het niet..

Kijk ff op iets als www.hotscripts.com naar de search dingen die daar staan..

Verwijderd

Topicstarter
Op donderdag 23 mei 2002 10:05 schreef bartvb het volgende:
Ik dacht dat er al een aantal op PHP gebaseerde searchengines waren die ook spul als PDF en Word slikken.. Ben alleen compleet de naam kwijt ('t is nog vroeg) en 100% zeker weten doe ik het niet..

Kijk ff op iets als www.hotscripts.com naar de search dingen die daar staan..
tja het is nog vroeg he :), ja zal daar eens kijken maar ben daar al eens wezen zoeken. Zijn die zoekmachines dan.
niet erg traag, want ze meoten in elk document gaan zoeken..

weet iemand een oplossing? en heeft iemand het ooit al gedaan? alvast bedankt...

Verwijderd

Topicstarter
Op donderdag 23 mei 2002 10:06 schreef paashaas19 het volgende:

[..]

tja het is nog vroeg he :), ja zal daar eens kijken maar ben daar al eens wezen zoeken. Zijn die zoekmachines dan.
niet erg traag, want ze meoten in elk document gaan zoeken..

weet iemand een oplossing? en heeft iemand het ooit al gedaan? alvast bedankt...
het wil niet echt lukken...heeft iemand ervaring met dit probleem? is het wel haalbaar wat ik wil?

  • WouZz
  • Registratie: Mei 2000
  • Niet online

WouZz

Elvis is alive!

Het is mogelijk om met PHP Word documenten in te lezen. Hoe weet ik niet precies, maar er loopt hier iemand rond die met PHP een Word -> HTML converter heeft gemaakt.

Om het zoeken vervolgens makkelijker en sneller te maken, zou ik gewoon alle tekst uit het Word document in een FULLTEXT database veld gooien. Een "nadeel" is wel dat je de text dubbel opslaat (in database en bestand), maar je hebt wel de beschikking over de geavanceerde zoekfuncties van je database.

Btw, vaag dat je in de Search niet op 'Word' kan zoeken.. :?

/edit:
Check de PHP COM class eens..

On track


  • drm
  • Registratie: Februari 2001
  • Laatst online: 09-06-2025

drm

f0pc0dert

Hallo, meneer de paashaas, je moet niet zo gauw je topics omhoogschoppen, joh ;)

Staat e.e.a. over in de FAQ :)

Maar goed, ff ontopic:
Over het snelheidsprobleem (de rest heb ik geen ervaring mee), zou ik niet de tekst in een FULLTEXT database zetten, maar de inhoud van de bestanden zelf indexeren. da's een stukkie efficienter, en beter te onderhouden (imho), maar daar kan je nog lang en breed over discussieren...

verder weet ik je te vertellen dat het vinden van dat soort dingen in de open-source behoorlijk moeilijk is, omdat windows ook de licenties op bestands-formaat behoudt. Dus je kunt niet zomaar ergens erachter komen hoe het bestandsformaat in elkaar steekt...

Music is the pleasure the human mind experiences from counting without being aware that it is counting
~ Gottfried Leibniz


  • WouZz
  • Registratie: Mei 2000
  • Niet online

WouZz

Elvis is alive!

Op donderdag 23 mei 2002 13:39 schreef drm het volgende:
Over het snelheidsprobleem (de rest heb ik geen ervaring mee), zou ik niet de tekst in een FULLTEXT database zetten, maar de inhoud van de bestanden zelf indexeren. da's een stukkie efficienter, en beter te onderhouden (imho), maar daar kan je nog lang en breed over discussieren...
Bedoel je nou dat je de (binaire) bestandsinhoud in je database op wilt slaan? Of alleen de inhoud/tekst? Dat bedoel ik namelijk (ook) :)

On track


  • drm
  • Registratie: Februari 2001
  • Laatst online: 09-06-2025

drm

f0pc0dert

alleen de tekst (ofcourse!), maar dan de woorden geindexeerd. Maar zoals ik al zei, daar kun je lang en breed over discussieren ;)

Music is the pleasure the human mind experiences from counting without being aware that it is counting
~ Gottfried Leibniz


  • MisterData
  • Registratie: September 2001
  • Laatst online: 07-09 20:23
Gebruik anders COM vanuit PHP om Word aan te sturen en zo al je word docs te indexeren ofzo :)

  • WouZz
  • Registratie: Mei 2000
  • Niet online

WouZz

Elvis is alive!

Op donderdag 23 mei 2002 13:51 schreef drm het volgende:
alleen de tekst (ofcourse!), maar dan de woorden geindexeerd. Maar zoals ik al zei, daar kun je lang en breed over discussieren ;)
Ah okay, ik begon al aan je te twijfelen.. ;)

On track


  • LuCarD
  • Registratie: Januari 2000
  • Niet online

LuCarD

Certified BUFH

Probeer deze eens....

http://www.mnogosearch.com/

Features
...
External parsers support for other file types (pdf, ps, doc etc.)
...

Programmer - an organism that turns coffee into software.


  • D2k
  • Registratie: Januari 2001
  • Laatst online: 31-08 10:19

D2k

Hoi,
[topic=392390/1/25]
Policy mbt het omhoogschoppen van threads. Wacht minstens 24 uur voor je je topic omhoog schopt. Doe dit dan ook alleen met een zinnige opmerking en dus niet met "Waarom antwoord er nou niemand" nadat je 5 minuten geen antwoord hebt gehad. Sommigen van ons hebben een leven :+
niet meer doen dus ;)

Doet iets met Cloud (MS/IBM)


Verwijderd

Topicstarter
Op donderdag 23 mei 2002 14:21 schreef D2k het volgende:
Hoi,
[topic=392390/1/25]
[..]


niet meer doen dus ;)
nee i know.....i'm sorry.....
Pagina: 1