Comment fonctionne la recherche plein texte?

Le fonctionnement de la recherche plein texte est basé sur une bibliothèque open source « Lucene (1)» qui est un projet de la fondation Apache.***

Pour que la recherche plein texte fonctionne il est nécessaire de créer une tâche d’indexation qui récupère les mots « reconnus » et les enregistre dans des fichiers d’index qui se trouvent dans le répertoire [INSTALL_MULTIGEST]/nef/index. Les fichiers issus de ce dernier processus d’indexation sont utilisés par Lucene pour faire la recherche plein texte.

Si les fichiers ne contient pas du texte (Exemple: fichiers numérisés) il est nécessaire de créer une tâche OCR dans l’administration de l’armoire et qui doit être lancée préalablement.
Cette tâche exécutera la reconnaissance des caractères sur les documents définis dans la configuration de l’armoire et créera des fichiers océrisés en format *pdf qui se trouveront dans le répertoire de l’armoire /ocr.

Quels sont les éléments indexés d'un document pour la recherche plein texte?

En principe tous les mots issus de la reconnaissance des caractères des fichiers océrisés ainsi que ceux déjà existants dans les fichiers PDF Texte, Word, …..

Comment pouvons-nous y accéder en base de données pour vérifier rapidement la présence ou non de ces éléments.

Les éléments ne sont pas accessibles dans la base de données de Multigest. Les résultats de l’indexation sont stockés dans le répertoire [INSTALL_MULTIGEST]/nef/index mentionné précédemment. Seulement la bibliothèque Lucene est capable d’interpréter les fichiers contenus dans ce répertoire pour réaliser la recherche et communiquer les résultats.

Comment pouvons nous ajouter du texte à un document PDF pour que celui-ci soit aussi indexé? Les zones de texte semblent ne pas être pris en compte.

Si des éléments de texte sont ajoutés à un fichier PDF ces éléments seront reconnus lorsque le document sera à nouveau océrisé et indexé.

Par contre si ces éléments de texte sont ajoutés par l’intermédiaire des outils de la visionneuse comme la machine à écrire, les annotations etc. ils ne sont pas océrisables et par conséquent ils ne seront pas indexés.

(1) Lucene est une bibliothèque open source écrite en Java qui permet d'indexer et de chercher du texte. Il est utilisé dans certains moteurs de recherche.