我正在帮助我的一位前任老师建立一个网站，在那里他可以与同事交换课程文件（考试，学生练习单等）。他亲自创建了数千个PDF文件，现在可供其他教师使用以供参考/使用。
一个主要功能是搜索功能，允许用户搜索特定文件。由于文档太多，我们需要提供一种有效的方法来搜索所有文档。
我想到了几种方法：
a）手动分配每个PDF-File 5-10关键字，并将其与文件的元数据一起保存在MySQL数据库中。用户将直接搜索这些关键字，而不是PDF的内容。
b）使用某种逻辑以编程方式提取10-20个最常用的关键字，并将这些关键字与文件的元数据一起保存。在我看来，这比a）更好。
c）使用file_get_contents提取大部分/全部PDF文件文本内容，并将其与文件的元数据一起保存在MySQL数据库中。用户现在能够对实际文本内容本身执行搜索。在我看来，这将是最好的方法。
d）我没有提到的任何其他方法？我不确定这些方法的可行性（即将c）消耗服务器端的许多资源？实际上，我们将使用提取的文本内容中的每几百个单词筛选数千个数据库行。
我希望你能给我一些关于我是否走在正确轨道上的指示，你认为最好的方法是什么。非常感谢提前！
答案 0 :(得分：1)
方法（a）是你的答案（在我看来）。搜索所有文件内容在实践中是不可行的。提取10-20个最频繁的单词只会误导您的搜索，因为无法保证这些单词在描述他们来自的文档时是有意义的。提取大部分文本可能很有用，但搜索速度会慢很多，并且没有人说是否会使搜索更好或更差，而不是带有关键字的搜索。
除了一切，这主要是基于意见的。没有正确或错误的方法去处理它（a）对我来说是最有意义的。