这是一个创建于 479 天前的主题，其中的信息可能已经有所发展或是发生改变。
PS：今天主题很少啊，本来想自己再查查，看没什么主题就和大家讨论下。让我去谷歌等无意义的回复的可以拜拜了
我想写个查找文件的程序，主要在 windows 运行，要能查找 doc 、docx 格式（包括文档中的表格）、xls 、xlsx 、pdf 和普通文本
windows 的话，是不是只能 exe 、bat 了？了解到 java 、python 都要打包环境，觉得可能写出来会比较大？（如果说的不对请指正）所以想用 GoLang 去写
GoLang 的话先是找到 unidoc ，但是收费的，放弃；然后找到个这个
https://pkg.go.dev/code.sajari.com/docconv
研究一阵没弄明白，按照指引还是报错。好像是下载后引用，没找到下载地方，有人用过吗？或者有什么好的方法？
 |
1
VensonEEE 2023-09-01 10:30:38 +08:00
你这要解析内容 ，简单点还是 Python 或者 WPF 吧
|
 |
2
dobelee 2023-09-01 10:34:10 +08:00
python 打包干嘛，直接跑就行。
golang 文档这方面是弱势项，不建议。 |
 |
4
dq19871123 2023-09-01 10:55:19 +08:00
一个作弊一点的方案是.net framework 2.0/3.5 ，Windows 自带了
不过我不理解，打包 runtime 也不是什么麻烦的事，何必纠结这件事 |
 |
5
jones2000 2023-09-01 11:01:48 +08:00
每个文件格式都有对应的格式文档， 把文件读内存（_wfopen_s ....) ，自己解析不就完事了。一个一个文件格式对接。嫌麻烦就直接读文件上传给后台解析。
|
 |
6
Mithril 2023-09-01 11:15:30 +08:00  1
不管你用什么语言，都需要 runtime 环境。不需要的无非是操作系统自带了，或者 CPU 自带了，比如汇编这种。但就是汇编你也需要个文件头。
Windows 的话，就 C++和.NET Framework 有自带的。你可以用这俩写。如果你想加快搜索速度，比如快到像 Everything 那样，那你无论如何也要用 Windows API ，那些都是 C++的。所以最简单的就是你用 C++做。但你要是不会用 QT 或者更古老的 MFC 这类东西，做 GUI 就比较麻烦。那就不如用.NET Framework ，GUI 的话 WPF 或者 WinForm 都行。虽然都是很老的技术了，但你做个小程序用用是没问题的。 其它的 GoLang 或者.NET Core/7 ，都可以做成 SelfContained 。就是把 runtime 一起打包进去。这种情况下你如果用 Java 也没啥差别，无非是把 JRE 一起打包，新版本的还可以 trim 。 但是 Java ，GoLang 这种做 GUI 更是离谱。.NET Core/7 你可以选择 Avalonia ，或者直接用 WebView2 套网页。WebView2 不需要打包浏览器本身，直接调用的系统组件，比 Electron 好一些。 既然你需要解析文档，那就先找个能用好用的文档解析库。再看他这库是什么语言你就用什么语言就行。大部分语言都能在 Windows 上运行的。做个简陋的 GUI 也都不是什么问题。 |
 |
7
aiqinxuancai 2023-09-01 11:18:32 +08:00
Everything 了解一下
|
 |
8
oldboy627 2023-09-01 11:29:05 +08:00
Everything meets your requirement.
|
 |
9
cslive 2023-09-01 11:30:20 +08:00
Everything +1
|
 |
10
Frjpa 2023-09-01 11:48:08 +08:00
everything 不满足要求么?
|
 |
11
loading 2023-09-01 11:53:10 +08:00
everything ，有一个 golang 的调用包，我还提交过一丁点代码，哈哈。
|
 |
12
NoOneNoBody 2023-09-01 12:05:42 +08:00
还可以 powershell
只是，谁干得过 everything 啊 |
 |
13
Alias4ck 2023-09-01 12:17:19 +08:00
第一时间我想到了 find 的替代品 fd 不过是 rust 写的
|
|
14
Alias4ck 2023-09-01 12:26:43 +08:00
噢你还要查找文本内容啊 那配合 go 写的 fzf 完美了 不过 doc 、docx 、xls 、xlsx 这些都是 OLE file format 你得自己写解析器了 pdf 就更加麻烦了 可能里面有图片、表格等或者 latex 公式，就我所了解的 pdf 解析工具来看 都不太行
不过最近 meta 开源了一个识别论文 pdf 的模型和工具 https://github.com/facebookresearch/nougat |
 |
15
busterian 2023-09-01 12:35:49 +08:00
powergrep
|
 |
16
manasheep 2023-09-01 13:34:34 +08:00
AnyTXT Searcher 应该可以实现
|
 |
17
shijingshijing 2023-09-01 16:32:07 +08:00
@NoOneNoBody 口气别太大哟，试试 Agent Ransack ，Everything 依赖索引的，而且理论上是有可能有遗漏的，Agent Ransack 不会，它只会老老实实去查。
|
 |
18
someday3 2023-09-01 16:49:46 +08:00
@manasheep 这位老兄推荐的这个确实可以，我用过。anytxt
我觉得没必要造轮子，而且 anytxt 还有 ocr 的功能，对扫描版的 pdf 也能搜索。尤其这种软件很庞大的，从底层的扫描，索引构建，查询到用户界面，完全可以给 anytxt 提补丁。 |
 |
19
ikas 2023-09-02 22:14:28 +08:00
以前服务端用过 https://tika.apache.org/来做文本抽取,支持格式非常多
不过作为客户端 app 可能消耗比较大 https://cwiki.apache.org/confluence/display/TIKA/API+Bindings+for+Tika |
 |
20
body007 2023-09-04 11:51:19 +08:00
everything 的 golang 库，https://github.com/jan-bar/es
|
Select Language