ฉันกำลังทำงานกับพอร์ทัลที่โฮสต์เอกสารหลายประเภท (HTML, PDF, PPTx, DocX) และทำให้สามารถค้นหาเอกสารทั้งหมดได้ในที่เดียว
เราสามารถบรรลุสิ่งนี้ได้โดยใช้ "มาตรฐาน" นอกกรอบ ElasticSearch และปลั๊กอิน Ingest Attachment แต่ฉันไม่ใช่นักวิทยาศาสตร์ข้อมูลและรู้น้อยมากเกี่ยวกับการเขียนข้อความค้นหาแบบยืดหยุ่น ดังนั้นผลการค้นหาของเราจึงไม่ค่อยดีนัก
ฉันได้รับการแนะนำให้ใช้ Enterprise App Search แทนการลองปรับแต่งข้อความค้นหาพื้นฐานของฉัน แต่ดูเหมือนว่าฉันจะใช้ปลั๊กอินนำเข้าไฟล์แนบไม่ได้ใช่ไหม ด้วยเหตุนี้ ฉันจึงไม่สามารถใช้ประโยชน์จากการส่งเนื้อหาที่เข้ารหัส base64 ไปยัง API ของเอกสารและคาดหวังว่าเนื้อหาจะได้รับการจัดทำดัชนี
มีวิธีแก้ไขปัญหานี้หรือไม่? หรือฉันจะไม่สามารถใช้ App Search สำหรับสิ่งนี้??
คำตอบนี้คือการแยกเนื้อหาไฟล์แนบโดยการใช้ประโยชน์จากไปป์ไลน์ไฟล์แนบตามที่แนะนำ ในโพสต์บล็อกนี้ หรือถ้าคุณมีแบ็กเอนด์ใน Java เหมือนฉัน คุณสามารถใช้ อาปาเช่ติก้า เพื่อแยกเนื้อหาของคุณออกจากไฟล์แนบด้วยตัวคุณเอง
ฉันใช้ Tika เพื่อแยกเนื้อหา HTML (จริง ๆ แล้วตรงไปตรงมามาก)
String getContent แบบคงที่ (String htmlContent) พ่น TikaException, SAXException, IOException {
อินพุต InputStream = ใหม่ ByteArrayInputStream (htmlContent.getBytes ());
ตัวจัดการ ContentHandler = BodyContentHandler ใหม่ ();
ข้อมูลเมตา ข้อมูลเมตา = ข้อมูลเมตาใหม่ ();
ใหม่ HtmlParser().parse(อินพุต, ตัวจัดการ, ข้อมูลเมตา, ParseContext ใหม่());
ตัวจัดการส่งคืน toString ();
}
สำหรับไฟล์ PDF ฉันใช้ Apache PdfBox เพื่อแยกคุณสมบัติอื่น ๆ อยู่แล้ว ดังนั้นข้อความจึงมาเป็น "ฟรี"เหมือนกันสำหรับไฟล์ Office แต่ต้องใช้ Apache Poi
คนส่วนใหญ่ไม่เข้าใจว่าการถามคำถามมากมายจะปลดล็อกการเรียนรู้และปรับปรุงความสัมพันธ์ระหว่างบุคคล ตัวอย่างเช่น ในการศึกษาของ Alison แม้ว่าผู้คนจะจำได้อย่างแม่นยำว่ามีคำถามกี่ข้อที่ถูกถามในการสนทนา แต่พวกเขาไม่เข้าใจความเชื่อมโยงระหว่างคำถามและความชอบ จากการศึกษาทั้ง 4 เรื่องที่ผู้เข้าร่วมมีส่วนร่วมในการสนทนาด้วยตนเองหรืออ่านบันทึกการสนทนาของผู้อื่น ผู้คนมักไม่ตระหนักว่าการถามคำถามจะมีอิทธิพลหรือมีอิทธิพลต่อระดับมิตรภาพระหว่างผู้สนทนา
