Suchfunktion integrieren, die auch pdf-Dateien durchsucht

[buero_b]

Hallo,

ich möchte in eine php-Website eine Suchfunktion integrieren, die nicht nur die Webtexte sondern auch die pdf-Dateien durchsucht. Die Suchergebnisse sollen nach der Treffergenauigkeit und Aktualität sortiert, ausgegeben werden.

Ich suche dazu zunächst irgendwelche Literatur- Linktipps oder Beispielwebsites, wo dieses Problem gut gelöst wurde.

Besten Dank für Eure Unterstützung.

[buero_b]

Bin ich hier evtl. im falschen Thread? Mich interessiert das Thema: nachträglicher Einbau einer Suchfunktion in eine php-Websites. Es sollen auch pdf-Datei durchsucht werden. Die Suchergebnisse sollen dann nach Genauigkeit und Aktualität sortiert, ausgegeben werden. Mir würden auch Beispiele von Websites helfen, deren Suchfunktion gut funktioniert. (keine Dopplungen, oben stehen die wichtigen Ergebnisse usw.)

Hat keiner einen Tipp?
Nochmals besten Dank.

Ina.

[daFloh]

Mit PHP lässt es sich meines Wissens nach nicht realisieren PDF-Dateien zu öffnen und deren Inhalt auszulesen. Ich lasse mich aber gerne eines besseren belehren.

Um eine Suchfunktion zu realisieren müsste man genau wissen wie der Datenbestand aufgebaut ist, den Du durchsuchen möchtest, oder sollen fremde Websites nach Inhalt abgegrast werden?

[buero_b]

Es soll der Text der eigenen Website durchsucht werden + eine große Anzahl von pdf-Dateien. Die Seite basiert auf PHP und MySQL.

Ina.

[daFloh]

Die Texte werden dann sicherlich in der Datenbank gespeichert sein, demnach sollte es über einfache SQL-Befehle möglich sein bestimmte Begriffe in den texten zu suchen und diese nach Häufigkeit und je nachdem ob änderungszeiten gespeichert werden auch nach Aktualität zu suchen. Wenn die PDF-Seiten auch on the Fly aus der Datenbank generiert werden, dann sollte der Inhalt dieser auch einfach zu durchsuchen sein. PDF-Dateien, die nur als PDF vorliegen könnte ich nicht mit einem PHP-Script durchsuchen. Vielleicht weiss hier jemand anderes noch Rat.

[buero_b]

Nein, die pdf-Dateien werden bei dieser Site nicht "on the fly" generiert. Es gibt aber Websites, z.B. www.bmu.de (mir fällt gerade keine andere ein) und viele andere auch, bei denen auch pdf-Dateien durchsucht werden können. Wie das geht, darüber würde ich gern mehr erfahren wollen. Nicht zu vergessen, die Suchmaschinen, die durchsuchen doch imho auch pdf-Dateien.

Ina.

[daFloh]

Ja die Suchmaschinen benutzen auch kein PHP sondern direkt C# Scripte oder ähnliches.
Zudem werden sie die PDF Dateien gedownloadet haben und mit einem speziell dafür geschriebenen Programm indizieren.

Man könnte versuchen mit fopen und fread ein PDF auseinanderzunehmen, aber bei dem Datenkauderwelsch, das dabei rauskommt wird es schwer den Inhalt zu extrahieren. Vor allem die Datenmenge wird Deinen Server ganz schön belasten.

[KTB]

Es gibt verschiedene externe Programme die das Realisieren sollen. pstotext wäre soeins - hab aber keine Ahnung wie es funktioniert oder was es macht.
PHP selbst bietet dir keine möglichkeit dazu, nur in die andere Richtung.

[buero_b]

Aha, dann müsste ich in einem anderen Forum fragen. Dann gibt es wahrscheinlich unter den Programmierern wieder welche, die auf Suchmaschinenprogrammierung spezialisiert sind. Wo finde ich die denn? Wahrscheinlich wird es darauf hinaus laufen, das ich mir das programmieren lassen werde. Natürlich werde ich parallel mal google befragen. Besten Dank nochmals!

Ina.

[daFloh]

Die die darauf spezialisiert sind Suchmaschinenalgorhytmen zu programmieren werden wohl alle schon irgendwo bei Google, Microsoft etc angestellt sein. Das sit keine Sache die man mal eben aus dem Ärmel schüttelt. Einfache Suchen, werden Dir die Gurus hier auch programmieren können. Siehe links Suche Suchbegriff Go!
Nur die PDFs werden problematisch werden...


By the Way Googeln hilft.

Mit dem Shell-Script von http://comp.eonworks.com/scripts/con...-20040418.html
lässt sich das über die Wandlung zu einer Textdatei realisieren ;-)
Man müsste die Datei nur noch öffnen und den Suchstring finden. Denke aber man sollte das dann auch in einer Datenbank speichern, damit man nicht jedes Mal die PDFs aufs neue öffen und durchsuchen muss.