使用Lucene使用Symfony索引PDF文件

Question

我是Symfony开发人员，我的Web服务器是Linux。我已经使用了sfLucene插件。

在Linux PHP服务器上索引PDF文件以进行搜索的最简单方法是什么？

1. XPDF，已安装like this
2. Apache Tika通过SOLR sfLucene plugin branch
3. 第三种选择？

谢谢！

Answer 1

来自Zend背景，我通常建议使用Zend_Search_Lucene。 XPDF的例子非常简单，看起来很简单。 XPDF被许可为GPL - 如果符合您的需要，请转到＃1！

ZF可以轻松集成到您的Symfony项目中，例如对于Twitter Call。

Answer 2

有许多用于从PDF中提取文本内容的库。使用其中任何一个，您需要创建包含内容的lucene文档。最有用的将是已经有lucene集成的那些。

Apache PDFBox可以直接从PDF文件create a lucene文档。它将包括PDF元数据字段以及文本内容。