搜索大型PDF文件。使用什么技术？

Question

我有一个侧面项目，我有大约1000个仅文本的PDF文件（平均大小约500 kb），我想在哪个数据集上进行快速自由文本搜索。搜索结果至少应该告诉匹配的文本，PDF文件包含匹配的文本以及PDF中的位置。

这个项目听起来像云托管弹性搜索的好候选人吗？或者这对于这个数据大小是否有点过分？我应该和Apache Lucene一起把它放在我自己的网络服务器上吗？或者完全不同的东西？

我还想在这个功能面前放置一个用户界面。我不是UI开发人员，我们的团队真的缺乏UI专业知识。

您能否建议一些在Rest API端点前生成UI的NoUI框架？有这样的事吗？

我们的语言偏好是这个团队中的python作为公约数。

Answer 1

我建立了一个申请人跟踪系统，其中包含超过20,000个简历，最适合您的方法是ElasticSearch，因为：

  

  
1. 性能非常高
  
2. 搜索的准确率为100％
  
3. 使用最简单的API非常容易
  
4. 易于使用副本进行备份
  

我建议使用ElasticSearch亚马逊服务ES。

关于UI框架，我只使用JavaScript FineUploader，这使得我对分块和并行上传有很多帮助。