DevProTalk

DevProTalk (http://www.devprotalk.com/index.php)
-   Programiranje (http://www.devprotalk.com/forumdisplay.php?f=23)
-   -   Izvlačenje podataka iz Office dokumenata (http://www.devprotalk.com/showthread.php?t=2086)

Ilija Studen 20. 12. 2006. 14:47

Izvlačenje podataka iz Office dokumenata
 
Interesuje me sledeća stvar: kako da izvučem podatke iz MS Office dokumenata kroz neki standardan interfejs. Npr, da izvučem tekst iz .doc fajlova, da .ppt prezentaciju izvučem u tekstualnom modu i kao niz slajdova (slike) etc.

Treba mi za indeksiranje i preview unutar web aplikacije - kada čovek uploaduje fajl iz njega se izvuku podaci i isti se ubaci u search index. Da li sam Office ili neka druga Microsoftova tehnologija ovo podržava tako da se može koristiti iz drugih programa?

djipko 20. 12. 2006. 15:34

Nisam se udubljivao, tako da ne znam koliko je dobar primer ali pogledaj
http://www.codeproject.com/office/csautomateword.asp

Goran Aničić 20. 12. 2006. 15:36

Novi Office formati su zasnovani na Open XML standardu (na ovom linku naćićeš dosta toga), pa se podaci ovako mogu izvući uz eventualno dodatne konverzije.

Ilija Studen 20. 12. 2006. 15:45

Citat:

Originalno napisao Goran Aničić
Novi Office formati su zasnovani na Open XML standardu (na ovom linku naćićeš dosta toga), pa se podaci ovako mogu izvući uz eventualno dodatne konverzije.

Sa tim sam upoznat, ali mislim da u ovom trenutku nije moguće ograničiti se samo na dokumente generisane od strane najnovije verzija Officea. To bi bila loša poslovna odluka :D

BraMom 20. 12. 2006. 16:53

Ako na serveru imaš instaliran office, možeš da startuješ npr. word i koristiš ga kao COM Server. Iz visual studia se koristi lagano imaš dokumentaciju na msdn
Trebalo bi da sve što radi pod windowsom može da pokrene COM server, npr. php (COM and .NET windows).

Da bi ovo koristio, naravno, moraš da imaš windows server.

marinowski 20. 12. 2006. 21:01

Ranije su mi hvalili htdig: http://htdig.org/FAQ.html#q4.8

Ne razvija se bas u poslednje vreme, ali mozda ti pomogne.

chesare 21. 12. 2006. 00:29

Sphider je open-source search engine koji ima mogucnost indexiranja/search-a i .doc i .pdf file-ova. Pogledaj dokumentaciju: uz originalni source, trebace ti i pdftotext i catdoc, ali su i oni free/open-source (at least I think so) da bi ova opcija bila moguca.

Citat:

Indexing pdf and doc files
Pdf and doc files can be indexed via external binaries. Download and install pdftotext and catdoc and set there location(path) in conf.php...
(i tako dalje)
Ako ti sam Sphider nije dovoljno dobar ili ti ne radi posao skroz, mozes da vidis kako su oni to odradili, pa da nesto hackujes.

U sustini, ti externi exe-file-ovi izvlace text iz .doc-a, tj. pdf-a i onda ih spider trpa u bazu. Ja sam koristio za pdf-ove, koji su kreirani nekom starom verzijom Quark-a ili necim slicnim i Sphider je uspevao dosta da izvuce, iako su pdf-ovi konvertovani u txt bili polu-citljivi cak i Google-u ("view as html - opcija).

U svakom slucaju, mislim da vredi probati.


Vreme je GMT +2. Trenutno vreme je 13:34.

Powered by vBulletin® Verzija 3.6.8
Copyright ©2000 - 2024, Jelsoft Enterprises Ltd.
Copyright © DevProTalk. All Rights Reserved.

Mišljenja, saveti, izjave, ponude ili druge informacije ili sadržaji nastali na Sajtu su vlasništvo onoga ko ih je kreirao, a ne DevProTalk.com, tako da ne morate da se oslanjate na njih.
Autori poruka su jedini odgovorni za ovakve sadržaje. DevProTalk.com ne garantuje tačnost, kompletnost ili upotrebnu vrednost informacija, stavova, saveta ili datih izjava. Ne postoje uslovi pod kojima bi mi bili odgovorni za štetu ili gubitak koji je posledica bilo čijeg oslanjanja na nepouzdane informacije, ili bilo kakve informacije nastale kroz komunikaciju između registrovanih članova.
Web sajt može sadržavati linkove na druge web sajtove na Internetu ili neke druge sadržaje. Ne kontrolišemo niti podržavamo te druge web sajtove, niti smo pregledali bilo kakve sadržaje na takvim sajtovima. Mi nećemo biti odgovorni za legalnost, tačnost ili prikladnost bilo kog sadržaja, oglasa, proizvoda, usluga ili informacije lociranim na ili distribuiranih kroz druge web sajtove, niti za bilo kakvu štetu nastalu kao posledica takvih informacija. DevProTalk.com drži i čuva druga prava vlasništva na web sajtu. Web sajt sadrže materijale zaštićene copyright-om, zaštitne znakove i druge informacije o pravu vlasništva ili softver. Članovi mogu poslatu informacije zaštićene pravima vlasništva njihovih nosilaca i ona ostaju zaštićena bez obzira da li su oni koji prenose te informacije to naveli ili ne. Osim informacija koje su u javnom vlasništvu ili za koje dobijete dozvolu, nemate pravo da kopirate, modifikujete ili na bilo koji način menjate, objavljujete, prenosite, distribuirate, izvršavate, prikazujete ili prodajte bilo koju informaciju zaštićenu pravima vlasništva. Slanjem informacija ili sadržaja na bilo koji deo DevProTalk.com, Vi automatski dozvoljavate i predstavljate garanciju da imate pravo da dozvolite DevProTalk.com ili članovima DevProTalk.com bespovratnu, kontinualnu, neograničenu, globalnu dozvolu da koriste, kopiraju, izvršavaju, prikazuju i distribuiraju takve informacije i sadržaje i da iz takvih sadžaja koriste bilo koji deo u bilo koje svrhe, kao i pravo i dozvolu da koriste gore navedene sadržaje. Svi zaštitni znakovi (trademarks), logotipi, oznake usluga, firme ili imena proizvoda koji se pominju na ovom web sajtu su vlasništvo kojim raspolažu njihovi vlasnici.