MediaWiki - アップロードされたファイルのテキストを検索

Question

アップロードされたファイルのインデックスを作成し、その中のテキストを検索することです。

現在の設定：

• MediaWikiの1.27
• のPostgreSQL 9.4
• Elasticsearch 1.7.5
• MW-拡張CirrusSearch 1.27
• MW-拡張エラスティカ（マスター）

wiki-pagesとup-forでElasticsearchによる検索読み込まれたファイルが動作しています。しかし、アップロードしたファイル（pdf、doc、...）内のテキストを索引付けして検索するにはどうすればよいですか？

Answer 1

テキストを抽出できるメディアハンドラが必要です。 MediaHandler::getEntireTextを参照してください。 PDFの場合はPdfHandlerです。他の一般的なフォーマットの拡張も存在すると思います。

Answer 2

私はこれをpluginと使いました。あまりにも多くのスペースを使用しているという1つの欠点は、私のプロジェクトの後半で、マッパープラグインが使用するtika（.netポートバージョン）を使用するように移行したことです。