Base de donnée PDF

Bonjour à tous,

C'est mon premier message et je vous sollicite pour une création de DB PDF.

J'ai commencé récemment la programmation (SQL + python + html,css) et je souhaite dans le cadre professionnel créer une base de données avec des fichiers PDF.

En faite je travaille pour une société de consulting et j'ai de multiples CV à disposition et pour retrouver un CV avec des keywords "développeur + SQL + oracle etc" j'aimerais créer ma propre base de données et ensuite y faire des requêtes afin de voir afficher le/les CV qui correspondront aux keywords.

J'ai un peu cherché sur le net mais je ne trouve rien. Est ce que quelqu'un pourrait me mettre sur une piste ?

Merci d'avance,

Y'a probablement mieux, mais vous pouvez utiliser SQL Server pour ça.
Il suffit de stocker les fichiers dans une colonne de type varbinary(max) et créer un index littéral dessus.

L'intérêt, c'est que SQL Server dispose d'un IFilter permettant d'indexer le contenu des PDF. Ainsi, vous pourrez rechercher dans le contenu des PDF depuis vos requêtes SQL.

Autre solution : passer par le moteur d'indexation Windows Search (anciennement Index Server) : pas besoin de base de données, vous pouvez interroger directement l'index à partir du système de fichiers pour retrouver les PDF sans passer par une base de données.

Exemple avec Windows Search SANS base de données :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32

using System; using System.Data.OleDb;   namespace TestSearch { class Program { static void Main(string[] args) { string connectionString = "Provider=Search.CollatorDSO;Extended Properties=\"Application=Windows\""; OleDbConnection connection = new OleDbConnection(connectionString);   string query = @"SELECT System.ItemName FROM SystemIndex " + @"WHERE scope ='file:" + System.Environment.GetFolderPath(Environment.SpecialFolder.Desktop) + "' and System.FileExtension = '.pdf' and and (FREETEXT('dauphin') or FREETEXT('baignoire'))"; //@"WHERE scope ='file:C:\in\Test\' and FREETEXT('démon')"; OleDbCommand command = new OleDbCommand(query, connection); connection.Open();   OleDbDataReader reader = command.ExecuteReader(); while (reader.Read()) { Console.WriteLine(reader.GetString(0)); }   connection.Close();   Console.WriteLine("Terminé"); Console.ReadKey(true); } } }

---

Ce code recherche dans un dossier "Livres" sur le bureau tous les fichiers PDF contenant quelque part le mot "dauphin" ou "baignoire".

Je colle quelques romans d'environ 200 pages chacuns sur mon bureau.

Je lance moins de 30 secondes après (l'indexation est extrêmement véloce) ;

Citation:

---

Adams,Douglas-[H2G2-1]Le Guide du Routard Galactique(1979).OCR.French.ebook.AlexandriZ.pdf
Adams,Douglas-[H2G2-2]Le Dernier Restaurant avant la Fin du Monde(1980).pdf
Adams,Douglas-[H2G2-4]Salut, et encore merci pour le poisson(1984).pdf
Colfer,Eoin-[H2G2-6]Encore une chose...(2009).OCR.French.ebook.AlexandriZ.pdf
Terminé

---

Et on découvre les yeux stupéfaits que seuls les tomes 3 et 5 de la saga "Le Guide du Routard Galactique" ne parlent ni de dauphin ni de baleine...

En fait c'est le même moteur d'indexation qui est utilisé à la fois par Windows et SQL Server, mais à la différence qu'il est intégré dans SQL Server en sus de Windows….

Pour info si les PDF dépassent les 2 Mo en général, alors mieux vaut les stocker en FILESTREAM... Avantage avec une base express (gratuite) la volumétrie des fichiers PDF n'est pas pris en compte dans la limite des 10 Go par base !

A +

Bonjour,

Merci pour vos informations, stringbuilder et sqlpro, je vais essayer ca sur SQL server dès demain. Ayant appris depuis peu à faire des requêtes dans une DB je prèfere pour l'instant essayer avec ce que j'ai appris.

A+