Problema con Text Extractor

[Jaruiz]

Hola,
me ha tocado administrar un OpenKM en producción, llevo un tiempo ya (pero todavía me queda muchísimo por descubrir), y estoy gratamente sorprendido.
Pero he encontrado un problema que no sé por donde atacar: estamos escaneando documentos, y he visto que la cola de extracción de texto está bloqueada; tras buscar por foros, he probado la opción "Rebuild indexes", y empieza a procesar todo el repositorio correctamente... hasta que se vuelve a parar, en el mismo documento. Es un PDF adjunto en un correo, y el log indica que no tiene capa de texto. Entiendo que el sistema debería saltar este documento, ¿no? Porque seguro que encontrará más así.
Si no lo hace automáticamente, ¿hay opción de manipular esta cola manualmente?
Es la versión 6.2.3

[jllort]

No debería quedarse parado debería saltar el documento, podrías mirar de subir a la 6.2.5 que se han solucionado algunos bugs.

Para solucionar el tema desde la Administración -> Database query
Tienes la tabla OKM_NODE_DOCUMENT el campo NBS_UUID es el identificador del documento ( UUID ) a partir de ahí puedes hacer una select y despues un update poniendo el campo NDC_TEXT_EXTRACTED='T' con eso te desaparecerá de la cola de pendientes.

[Jaruiz]

Muchas gracias por la respuesta.
Eso entiendo yo, que no se debería parar, pero llevaba meses atascado en ese documento (no había llegado a tocar esta parte del Openkm). He tocado la BD, y sigue el proceso.
Espero poder actualizar la próxima semana a 6.2.5, y volveré a probar el documento.

[jllort]

Si nos posteas aqui el documento le hecharemos a un ojo a ver si vemos alguna razon por la que se quede clavado, no será un excel esto ?

[Jaruiz]

Hola,
no puedo postear el documento aquí, tiene cierta información sensible.
Se ha parado con otro .doc; curiosamente, los dos son adjuntos de correo. Quedan unos 1000 documentos (de 29k); en cuanto termine la extracción, intentaré actualizar, y probaré otra vez los documentos.

[jllort]

Lo que mas nos interesa es el log del error. Puedes forzar la indexación desde el crontab y ahí tiene que aparecer el error.