Discussion :

[sympas88]

Salut tout le monde,
Je suis dans un stage, et ils m'ont demandé de faire la concéption d'un moteur de recherche, le moteur de recherche consiste à faire la recherche dans des ressources (PDFs) que ça soit sur format image ou format PDF normal.
J'ai choisi comme plateforme .NET.
==> asp.NET / c#
et comme base de donnée SGBDR oracle 10.
Je ne sais pas qu'est ce que je dois suivre comme chemin car je n'ai jamais fais un moteur de recherche et je ne sais pas qu'est ce que je dois faire.

[Louis-Guillaume Morand]

ca dépend de plein de choses.
où seront stockées les fichiers. sur quoi seront basées les recherches? utiliseras-tu des meta données, lire le contenu des fichiers ou simplement des champs de description à saisir lors de l'enregistrement de chaque fichier?
as-tu fais une liste exhaustive des types de fichiers à gérer? as-tu déjà la liste de tous les critères de recherche disponibles?

avant de penser technique, pense besoin. quelqu'un dans ta boite DOIT te fournir une expression des besoins, et ensuite, vous devez définir des spécifications fonctionnelles. Après, tu verras pour ce qui est technique. Avoir choisi telle ou telle techno avant d'avoir défini le reste est une très mauvaise habitude.

Par exemple, si jamais tu utilisais des metadonnées XML alors un SQL serveur utilisant la recherche "full-text" optimisée pour XML serait la meilleure solution technique.

[Arthis]

cherche searcharoo sur google c'est un moteur de recherche de pages web open source developpé en dot net. bien pratique après je ne me rappelle plus de ses limites ( si il va aussi dans les pdf par exemple..)

bon courage à toi en tout cas,

[Kaidan]

Windows Desktop Search
Lucene.NET

Concernant les PDF images, il va falloir passer un OCR sinon...

[sympas88]

Louis-Guillaume Morand : Je n'est qu'un seul type de document se sont des PDFs stockés dans des répertoires.
Exp: Les PDFs chiffrés de 1..10 dans un répertoire de 11..20 dans un autre ansi de suite.

[mattofmath]

Salut,
Concernant la lecture des Contenus des Pdfs, un conseil utilise PdfBox(Apache), j'ai pas mal cherché à ce niveau là et il reste le plus facile à exploiter (itextsharp ne sait pas lire correctement du contenu pdf)

De plus, si tu peux utiliser un systeme de moteur de recherche existant, Lucene.NET comme Kaidan te l'a conseillé est pas mal, de plus pdfbox et Lucene peuvent s'interfacer ensemble.

Après ça dépend de tes besoins précis