Discussion :

[wincroc]

Bonjour,
J'ai developpé une application de gestion de base documentaire et on me demande d'ajouter un module qui permet de rechercher dans les documents en question. Ma base de document est composé de fichier doc, xls, pdf, txt ...
Auriez vous une piste s'il vous plait ?
Je vous en remerci par avance

[vmolines]

Pour chacun des types de document pour lesquels vous souhaitez une recherche "full text", vous devez, lors de l'ajout du document, extraire son texte et le stocker avec une rubrique à part (memo texte et idéalement avec recherche full text > Windev 14).

L'extraction du texte devra se faire avec un outil approprié au type de fichier traité. Cherchez des applications en ligne de commande ou des librairies existantes pour cela.

[wincroc]

Merci pour votre réponse mais j'ai peur qu'elle soit trop lourde a mettre en place car si je dois mettre en champs mémo les documents, ca ne va pas être gérable, nous prés de 20 000 documents de 1 a 200 page donc la base hyperfile va prendre des volumes énormes.
J'ai vu en foullant sur le net qu'il y avait lucene mais avez vous déjà essayé ? ou un autre ?
merci

[Edouard Kaiser]

Je ne pense pas que ça devienne ingérable, c'est uniquement du texte pur qui va être stocké dans Hyper File, ça prend beaucoup moins de place que ce que prend un document PDF ou Word (il y a toutes les méta données en moins, les images etc...).

Après en stockant uniquement le texte, il y a la recherche full text en version 14 qui va arriver pour effectuer des recherches dans le contenu des documents.

Pour extraire le contenu d'un document tu dois avoir des outils extérieurs, quoi que il y a des fonctions HTMVersTexte par exemple (et même PDFVersTexte en 14 je crois).

Sinon extraire le contenu d'un document Word 2007 ça doit pas etre bien dur, tout le texte est stocké dans les XML.

[wincroc]

N'y a t il vraiment pas d'autres solution que celle de windev14 qui me convient que a moitié car a chaque modification de document, il faut mettre a jour la rubrique dans le fichier hyperfile et j'ai peur que les fonctions de recherche ne soit pas aussi performante qu'un moteur prévu pour, c'est a dire des recherches de type AND OR .... comme google.
Je reste convaincu que 20 000 documents word, excel, pdf (souvent du texte) de plusieurs pages chacun avec un accroissement de 1000 documents par mois soit gérable dans une base hyperfile sans diminuer les performances de l'application.
J'ai fait des tests sur lucene : indexation de 1500 document = 2 min
recherche : 1 seconde,
mais je ne sais pas comment dialoguer entre lucene et windev
merci

[vmolines]

Effectivement s'appuyer une solution solide et éprouvée est une bonne chose.

Tu n'as plus qu'à utiliser l'API lucene portée en .net : http://incubator.apache.org/projects/lucene.net.html

Tu devrais avoir l'assemblage compilé tout prêt sur le site et tu n'auras plus qu'à l'utiliser dans ton projet Windev.

Si ça s'avère concluant, ce serait sympa de repasser ici faire un petit retour d'expérience des résultats que tu as obtenues, ça m'intéresse.

Bon dev

[wincroc]

Merci beaucoup pour la réponse et le lien.
Je fais faire ces tests dans les 2 semaines avenir, je ne manquerai pas de vous faire un retour
Bonne journée