双层pdf（serachable pdf）全文检索方案

Elasticsearch | 作者 fazang | 发布于2017年09月14日 | 阅读数：5227

本人医学狗一枚，手中有300K本医学pdf待OCR，目前已可稳定生成1000本双层pdf/day。
正寻求快速定位原文，再现纸质书页面的平台。
类似产品使用过，但皆未支持正则表达式检索，目前从期刊中了解到Lucene可实现此效果，但是具体细节并未披露，希望有经验的大大能指教。
拜谢。

3 个回复

赞同来自: fazang

这个问题链接里有关于如何索引和搜索PDF文档的样例： https://elasticsearch.cn/question/535

ES本身支持正则表达式检索 https://www.elastic.co/guide/e ... regex

lucene 好像真的没有办法实现中文正则查询，貌似只能用 wildQuery 了

zqc0512 - andy zhou

你玩意中文支持不是很好，可以在写的时候自己把中文转移下，再封装个接口，查询下。
不过在kibana上面可以用中文，你存储的时候需要注意下格式
search city:"海口市"

要回复问题请先登录或注册