MediaWiki - 在上传的文件中搜索文本

Question

目标是索引上传的文件并在其中搜索文字。

当前设置：

• MediaWiki 1.27
• PostgreSQL 9.4
• Elasticsearch 1.7.5
• MW-Extension CirrusSearch 1.27
• MW-Extension Elastica（master）

在wiki页面和上传文件中使用Elasticsearch进行搜索工作正常。但是，如何在上传的文件（pdf，doc，...）中索引和搜索文本，我该怎么办？

Answer 1

您需要一个可以提取文本的媒体处理程序;见MediaHandler::getEntireText。对于PDF PdfHandler这样做;我想也存在其他常见格式的扩展。

Answer 2

我使用了这个plugin。它的一个缺点是它使用了太多空间，所以后来在我的项目中我们迁移到使用mapper插件使用的tika（.net端口版本）。