No Consigo hacer busquedas en contenido de archivos DOC

[oviedonazareno]

Estimados, la verdad que los felicito y les agredezco por lo que han hecho con este sistema, la verdad que es muy bueno.

Escribo para ver si estoy haciendo algo mal yo o hay algun problema con la busqueda en contenidos de archivos .DOC (de word) intente subir a mi instalacion archivos word y buscar alguna palabra dentro del docuemtno (en un archivo muy chico, simplemente tenia 3 palabras adentro) y no funciona no me devuelve nada intente lo mismo en la demo (web) y pasa exactamente lo mismo pueden ver la carpeta pruebadoc y dentro de ella esta el archivo PruebasBusquedas.doc

si es algo que me falta configurar les agradeceria enormemente que me digan que puede ser...
Cualquier otra busqueda en archivos txt, pdf funciona perfecto.

De nuevo muchisimas gracias.

Nazareno

[jllort]

1- para empezar has probado con un fichero de word un poco mas grande ? piensa que no se indexa todo el contenido, es decir palabras del tipo "de por para la lo, etc.." no se indexan, normalmente el indexador tiene un tokenizer que elimina estas palabras
2- que version que word tiene el documento ?

Pásanos el fichero y lo miraremos.

[oviedonazareno]

Muchisimas gracias por la pronta repsuesta, te adjunto los dos archivos word con los que probe.

y tambien deje en la demo cargado el mas pequeño de los dos .

Saludos y muchisimas gracias.

[jllort]

De momento he hecho un test rapido y parece que no lo identifica como un fichero de ms-word ... lo estamos a investigando

[jllort]

El fichero .ini es normal que no te lo indexe, por que creo que esta extensión no la tenemos definida como extensión de la cual se pueda indexar el contenido.

Un detalle, con que version de word esta hecho este documento 2000, 2003, 2007 ?

[oviedonazareno]

Muchisimas gracias, respecto del .ini seguramente lo agrego el proceso de cmpresion al .zip que mande solo estaba probando con los doc.
Recien hice nuevas pruebas subiendo unos documentos hechos con oppen office y los indexa perfecto, y genere nuevos y diversos archivos word y no los indexa.

Aguardo vuestra respuesta muchisimas gracias.

[oviedonazareno]

la version utilizada es 2003

Saludos

[pavila]

Edita el fichero $JBOSS_HOME/repository.xml y asegúrate que el parámetro textFilterClasses está configurado así:

Code: Select all

<param name="textFilterClasses" value="
org.apache.jackrabbit.extractor.PlainTextExtractor,
org.apache.jackrabbit.extractor.PdfTextExtractor,
org.apache.jackrabbit.extractor.HTMLTextExtractor,
org.apache.jackrabbit.extractor.XMLTextExtractor,
org.apache.jackrabbit.extractor.RTFTextExtractor,
org.apache.jackrabbit.extractor.OpenOfficeTextExtractor,
es.git.openkm.extractor.MsExcelTextExtractor,
es.git.openkm.extractor.MsPowerPointTextExtractor,
es.git.openkm.extractor.MsWordTextExtractor,
es.git.openkm.extractor.MsOffice2007TextExtractor,
es.git.openkm.extractor.ExifTextExtractor,
es.git.openkm.extractor.TiffTextExtractor,
es.git.openkm.extractor.AudioTextExtractor" />

[oviedonazareno]

Estimado, esta exactamente igual.

[jllort]

Dos detalles, has reiniciado el jboss.

Tambien igual tienes que modifica el fichero workspace.xml que esta dentro de repository/default/workspace.xml

Dime cosas si esto te soluciona el problema.

Nota: Estas modificaciones con el jboss parado.

[oviedonazareno]

EXELENTE.....!!!!!!!!!
Las modificaciones previas las habia hecho con el jboss siempre apagado, pero ahora cuando modifique el workspace.xml y luego arranque el sistema, empezo a funcionar perfecto.

Les agradezco muchisimo la colaboracion.

Saludos y sigan adelante.

los felicito por todo esto.