Namazuとは
日本語が利用可能な全文検索システムのこと。
Webの検索システムとして使われたりもする。
詳細は公式でどうぞ。
PDFファイルの検索ができない
とあるサーバのリプレースをした。
そのサーバでは元々検索システムとしてNamazuを利用していたのだが、リプレース後もNamazuを継続して利用したいという声が上がり、導入することに。
ソースからコンパイルか・・・とげんなりしながらもどうにかインストール完了。
開発チームに渡して作業終了・・・となるはずだったのだが、開発で動作確認をしたところPDFファイルが日本語検索できない模様。
pdftotext コマンドの差異
検索したところ、Namazuの公式MLのやり取りが見つかる。
ここに何かないか・・・と検索をかけたところ、なんかそれっぽい情報が見つかる。
バージョンの問題?
スレッドから次の投稿を確認すると、以前パッチを提供してくれた方がいますよーとのこと。
投稿を確認。
「poppler由来」ってのが気になる。
色々確認したところ、pdftotextコマンドのプロジェクトがフォークしたらしい。
CentOS5 以前だと Xpdf というプロジェクトの元に作成されていたらしいが、
CentOS6 から Poppler というプロジェクトのユーティリティとして
提供されるようになったらしい。
「じゃあ Xpdf の pdftotextコマンドを入れればいいじゃん」
と思ったのだが、yumでsearchとかprovidesしても出てこない。
どうやらPopplerに完全に取って代わられてしまった模様。
NamazuのMLを更にあさったところ、Popplerへ対応したプレ版をリリースしたとのこと。
なるほど。
じゃあパッチ充てれば問題ないってことね・・・。
製作者からのお墨付きもあるし、これは使うしかないな！
というわけでパッチを充てることに。
pdf.plへパッチを充てる
patchファイルはこれ
中身
*** pdf.pl 2011-09-07 22:38:49+09 1.1
--- pdf.pl 2011-09-07 22:55:27+09
***************
*** 46,51 ****
--- 46,52 ----
if (defined $pdfconvpath) {
my @cmd = ("$pdfconvpath");
my $result = "";
+ my $isPoppler = 0;
my $status = util::syscmd(
command => \@cmd,
option => {
***************
*** 58,65 ****
if ($result =~ m/^pdftotext\s+version\s+([0-9]+\.[0-9]+)/m) {
$pdfconvver = $1;
}
if (util::islang("ja")) {
! if ($pdfconvver >= 1.00) {
@pdfconvopts = ('-q', '-raw', '-enc', 'EUC-JP');
} else {
@pdfconvopts = ('-q', '-raw', '-eucjp');
--- 59,69 ----
if ($result =~ m/^pdftotext\s+version\s+([0-9]+\.[0-9]+)/m) {
$pdfconvver = $1;
}
+ if ($result =~ m/Copyright 2005-[0-9]+ The Poppler Developers/m) {
+ $isPoppler = 1;
+ }
if (util::islang("ja")) {
! if ($isPoppler || $pdfconvver >= 1.00) {
@pdfconvopts = ('-q', '-raw', '-enc', 'EUC-JP');
} else {
@pdfconvopts = ('-q', '-raw', '-eucjp');
***************
*** 70,75 ****
--- 74,80 ----
if (defined $pdfinfopath) {
my @cmd = ("$pdfinfopath");
my $result = "";
+ my $isPoppler = 0;
my $status = util::syscmd(
command => \@cmd,
option => {
***************
*** 82,89 ****
if ($result =~ /^pdfinfo\s+version\s+([0-9]+\.[0-9]+)/) {
$pdfinfover = $1;
}
if (util::islang("ja")) {
! if ($pdfinfover >= 2.02) {
@pdfinfoopts = ('-enc', 'EUC-JP');
} else {
@pdfinfoopts = ();
--- 87,97 ----
if ($result =~ /^pdfinfo\s+version\s+([0-9]+\.[0-9]+)/) {
$pdfinfover = $1;
}
+ if ($result =~ m/Copyright 2005-[0-9]+ The Poppler Developers/m) {
+ $isPoppler = 1;
+ }
if (util::islang("ja")) {
! if ($isPoppler || $pdfinfover >= 2.02) {
@pdfinfoopts = ('-enc', 'EUC-JP');
} else {
@pdfinfoopts = ();
上記パッチを充てていきます。
手順としては以下。
- 上記のパッチを適当な名前のファイルに貼り付ける。
- patch コマンドでパッチを当てる。
- オシマイ
簡単。一応下にコマンド列を書いておきます。
$ cd /usr/local/share/namazu/filter
$ vi pdf.pl.patch
# 上記のパッチ内容を貼り付ける
$ cp -ip pdf.pl{,.orig}
$ patch < pdf.pl.patch
patching file pdf.pl
$ ls -la pdf*
-rw-r--r-- 1 root root 6575 12月 1 16:38 2015 pdf.pl
-rw-r--r-- 1 root root 6251 9月 25 16:13 2015 pdf.pl.orig
-rw-r--r-- 1 root root 2360 12月 1 16:36 2015 pdf.pl.patch
$ diff -c pdf.pl{.orig,}
diffの出力結果が上記パッチと同様か確認する。
とりあえずこれでパッチ充てはOK。
開発チームにも確認してもらってめでたく完了した。