Индексирование файловых каталогов

• Конфигурационный файл индексатора.
• Конфигурационный файл источника ftds.
• Общие директивы.
• Директивы, определяющие область индексирования.
• Директивы обработки документа.
• Конфигурация области индексирования (Секция <Folder>).
• Секция <Extensions>.
• Директива Options.

В этом разделе описаны директивы, относящиеся к процессу индексирования через стандартный источник ftds.

Если какая-либо директива отсутствует в конфигурационном файле источника ftds, для соответствующих параметров будут использованы значения по умолчанию.

Конфигурационный файл индексатора

<DataSrc>
    Name : myname
    Module : libydftds.so
    Symbol : FTDS_DATASRC_LIB
    Config : ftds.cfg
</DataSrc>

<DataSrc>
    Name : myname
    Module : libydftds.so
    Symbol : FTDS_DATASRC_LIB
    <Ftds>
        ...
    </Ftds>
</DataSrc>

<DataSrc id="ftds">
    Name : myname
    Config : ftds.cfg
</DataSrc>

<DataSrc id="ftds">
    Name : myname
    <Ftds>
        ...
    </Ftds>
</DataSrc>

Конфигурационный файл источника ftds

<Ftds>
    DefaultOptions :
    AllowFollow :
    DisallowFollow : /\?C=[M|N|S|D];O=[A|D]
    Pipe : msxsl.exe "$1" "C:/foo/bar/transform.xsl"
    IndexPipe : test.exe
    SearchPipe : python.exe foobar.py
    <Folder inherited="no">
#        Path : C:\jdk1.5.0_05\docs\api\java\util
        Options : Set jdk=jdk15, Set group=api, Set group=java, Set group=util
    </Folder>
    <Folder inherited="no">
        Path : api/java/applet/
        Options : Set jdk=jdk15, Set group=api, Set group=java, Set group=applet
    </Folder>
    <Folder inherited="no">
        Path : api/java/awt/
        Options : Set jdk=jdk15, Set group=api, Set group=java, Set group=awt
    </Folder>
    ...
    <Extensions>
        text/html : .html, .htm, .shtml
        text/plain : .txt, .java
        text/rtf : .rtf
        application/msword : .doc
        application/pdf : .pdf
        application/vnd.ms-excel : .xls
        application/vnd.ms-powerpoint : .ppt
        application/x-shockwave-flash : .swf
        audio/mpeg : .mp3
    </Extensions>
</Ftds>

Общие директивы

<Ftds>
    DefaultOptions : utf-8
    ...
</Ftds>

Директивы, определяющие область индексирования

! проиндексировать файлы только из архивов за 1990-1999 годы и
! из каталога archives
AllowFollow : /(199[0-9]|archive)/

! проиндексировать файлы только из тех каталогов, имя
! которых состоит из 4-х цифр
AllowFollow : /([0-9]{4})/

! Исключать из индексирования файлы _index.html,
! _index.htm, default.html и default.htm
DisallowFollow /(_index|default)[.]htm[l]?
  
! Исключать из индексирования файлы из каталогов, имя
! которых состоит из 4-х цифр
DisallowFollow /([0-9]{4})/  

Директивы обработки документа

! обработать каждый документ используя XSL шаблон
Pipe : msxsl.exe "$1" C:\foo\bar\transform.xsl

! для каждого документа выполнить скрипт foo_bar.py с аргументом;
! в качестве 1 аргумента программы передать имя документа
Pipe : /usr/bin/python foo_bar.py

! Обработать каждый документ используя XSL шаблон
IndexPipe : transform.exe "$1" transform.xsl  

! Обработать каждый документ используя XSL шаблон
SearchPipe : transform.exe "$1" transform.xsl  

Конфигурация области индексирования (Секция <Folder>)

Конфигурационный файл может включать несколько секций Folder, каждая из которых задает область индексирования.

Секция Folder может иметь атрибут inherited. Значение атрибута, равное "no", отменяет наследование значений директив и поисковых атрибутов.

Примеры:

<Folder>
    Path : /book/part1/
    Options : Set group=part1
</Folder>
<Folder>
    Path : /book/part1/chapter1/
    Options : Set group=chapter1
</Folder>

В приведенной конфигурации вторая секция наследует значение "part1" поискового атрибута group от предыдущей области индексирования (потому что путь /book/part1/chapter1/ входит в путь /book/part1/).

Чтобы этого не происходило, используйте:

<Folder inherited="no">
    Path : /book/part1/chapter1/
    Options : Set group=chapter1
</Folder>

Секция <Extensions>

Секция Extensions позволяет задать фильтр документов по их расширениям, и установить связь между значениями MimeType секции DocFormat и расширением файла.

Значения по умолчанию:

Директива Options

Директива Options позволяет задать набор документных атрибутов типа LITERAL, дополнительно к атрибутам, назначаемым парсером во время индексирования документа.

Options : Set name=value

Определение документного атрибута для данной области индексирования

Options : Unset name=value

Отмена документного атрибута для данной области индексирования.

Использование данных аргументов позволяет включить документы в определенные тематические разделы на основании структуры каталогов файловой системы, в которых находятся документы. Альтернативно, во время индексирования документы могут получить поисковые документные атрибуты в соответствии с их содержанием. См. обсуждение в разделе Документы, зоны и атрибуты.

Строка name=value не должна включать пробелы. Чтобы удалить для данной области индексирования все унаследованные атрибуты, используйте атрибут inherited секции Folder.

Пример:

<Folder inherited="no">

Директива Options позволяет задать кодировку, используемую в документах.

recognize

Всегда распознавать кодировку символов автоматически.

<значение>

Использовать одно из указанных ниже в таблице кодировок значений.

Значение по умолчанию: recognize