Whoosh：索引MS文档和PDF文件
我想用Python做一个文档搜索的功能。因为我不能用Java，所以Solr就不适合我。
所以Whoosh看起来是个不错的选择。但我发现它好像不能直接索引doc或pdf文件（而Solr可以做到）。那有没有什么办法可以让Whoosh直接索引这些文件呢？
1 个回答
4
Whoosh 只需要从这些文档中提取出来的文本。虽然 Whoosh 库本身不提供这个提取功能，但有一些 Python 库可以帮你提取文本，比如 pdf miner、catdoc 或 antiword。
想了解更多信息，可以看看这两个讨论：