3

我想使用 python 进行文档搜索。Solr 是不行的，因为 Java 托管是一个限制。

所以嗖嗖似乎是显而易见的选择。但它似乎不能原生索引 doc 或 pdf 文件（就像 Solr 一样）。让它直接索引这些文件的方法是什么？

4

1 回答 1

4

Whoosh 只需要从这些文档中提取的文本。虽然 Whoosh 库不会为您提取文本，但有一些 Python 库可以为您提取文本，例如 pdf miner、catdoc 或 antiword。

有关更多信息，请参阅这两个讨论：

于 2011-08-24T02:55:42.233 回答