DocSearcher：文档文件内容搜索工具

之前软言软语曾介绍过几款文件内容搜索工具，请参看 “批量搜索与替换的开源软件：grepWin & RegexSearch” & “FileSeek：文件内容搜索软件”。但这几款软件基本上都不支持诸如 Word 文件之类的文档文件内容的搜索，算是比较遗憾的地方。而 DocSearcher 则是一款专门用来搜索文档文件内容的便利工具，基于开源的 Lucene，POI Apache APIs 及 PDF Box API。

[table id=79/]

DocSearcher 是一款专门搜索文档文件的工具，由于采用开源的 Lucene，POI Apache APIs 以及 PDF Box API，因此能够搜索 HTML，MS Word，MS Excel，RTF，PDF，OpenOffice（及 Star Office） 文档以及文本文档内容的能力。 其他文件格式目前则不支持，也许随着内置搜索引擎的改进，更多的格式将会包含其中。

使用说明

可以以关键词（keywords）或短语（phrases）来构建你的搜索，点击 “search” 即可获得搜索结果。

搜索结果将会显示在一个表格中，单击结果中的文件可以在标准网页浏览器中打开。
想要返回搜索结果，只需要单击搜索结果图标 （）。

DocSearcher 内置 4 种搜索方式，包括：关键词（Keyword），短语（Phrase），逻辑（ Boolean），以及通配符（Wild Card）。以下为各个搜索方式的举例：

[table id=80 /]

使用步骤

1. 首先确认你的系统已经安装了 JRE。

2. 运行 DocSearch.jar 后即可启动，界面如下。

3. 在搜索之前，首先要建立索引。打开菜单 “Index -> Create new index”。

如图所示，首先在最上面文本框中输入该索引的名称（此处不建议使用中文，经软言软语测试，此处若使用中文第一次使用无问题，当重启程序后变成无法识别的问号了），然后在下面选择你要索引的目录，该目录即包含你要搜索的文档文件。然后在下面 “Search Depth” 中选择你要索引的目录深度，0 表示不索引子目录。“Searched by default” 默认为选择，表示搜索时使用该索引。

另外，你还可以配置 “Advanced Options” 选项卡来获得索引 Web Server，CD ROM 的能力，此处不做深入讨论。“Update” 选项卡处可以选择何时更新该索引。“Archiving” 选项卡则可以将你的索引压缩存档，留作备份或者导出。

配置完后，单击 “Add New Index” 开始创建索引。索引结束后，弹出如下窗口显示统计信息。

4. 在主界面的 General options 选项卡中，可以选择搜索的类型（Type of search）：关键字（Keywords）或短语（Phrase），搜索范围（Search in）可以为：正文与标题（body and title），标题（title），摘要（summary），正文（body）以及关键词（keywords）。在此处做搜索实验 。

索引目录内容为如下所示：

“ 论文” 文件夹中包含一个二级子文件夹以及一个名为 “第三方支付平台探讨.doc” 的 MS Word 文件。

(1). 在正文与标题中搜索关键字 “电子证券 交易处理”，结果如下：

(2). 在正文中搜索短语 “电子证券 交易处理”，结果如下所示：

从上图可以看到无法以短语形式搜索出 “电子证券 交易处理”。正文内容节选如下：

以上仅为不完全的测试，作为使用方法的入门参考。不过，经过几次使用发现，在部分情况下无法正确搜索出内容，暂未没发现具体原因，可能是对中文支持还不完美。不管怎样，大部分情况下使用效果还不错，如果有兴趣可以尝试一下。相信以后的升级会解决这些问题，带来更好的搜索效果。