intra-mart WebPlatform/AppFramework

intra-mart WebPlatform/AppFramework Ver.7.1 IM-ContentsSearch プログラミングガイド 2009/11/30 第 2 版

<< 変 更 履 歴 >> 変 更 年 月 日 変 更 内 容 2009/05/01 初 版 2009/11/30 第 2 版 3.2.4 文 書 種 別 の 階 層 化 に 動 的 文 書 種 別 の 説 明 を 追 加

目 次 << 目 次 >> 1 概 要...1 1.1 はじめに...1 1.2 前 提 条 件...1 1.3 本 資 料 の 記 載 内 容 について...1 2 API 概 要...2 2.1 Solrスキーマ...2 2.1.1 Solrスキーマを 独 自 に 作 成 する 場 合 の 制 限 事 項...3 3 業 務 文 書 の 追 加...4 3.1 イントラマート 標 準 Solrスキーマ 定 義...4 3.1.1 フィールド 詳 細...5 3.2 業 務 文 書 の 追 加 手 順...6 3.2.1 クローラの 作 成...7 3.2.2 業 務 テンプレートの 作 成...10 3.2.3 文 書 種 別 情 報 の 定 義...13 3.2.4 文 書 種 別 の 階 層 化...15 4 検 索 機 能...19 4.1.1 文 書 の 検 索...19 4.1.2 検 索 条 件...20 5 削 除 機 能...25 5.1.1 文 書 の 削 除...25 5.1.2 削 除 処 理 後 の 後 処 理...25 6 API 使 用 上 の 注 意 点...26 6.1 全 般 的 な 注 意 事 項...26 6.2 文 書 の 登 録 に 関 する 注 意 事 項...26 6.2.1 テキストを 抽 出 することができるファイルフォーマット...26 6.2.2 テキストを 抽 出 する 際 の 制 限 事 項...26 7 サンプルプログラム...30 作 成 者 : 株 式 会 社 NTT データ イントラマート Page i

1 概 要 1 概 要 1.1 はじめに 本 ドキュメントでは イントラマート 上 から 全 文 検 索 エンジン Solr( 以 下 Solr サーバと 略 します)に 文 書 の 登 録 また は 検 索 を 行 うためのクライアント API( 以 下 IM-ContentsSearch クライアントと 略 します)を 利 用 したモジュールの 開 発 方 法 について 解 説 します 概 要 は 以 下 の 通 りです API 概 要 IM-ContentsSearch クライアントについての 概 要 を 説 明 します この 章 を 読 んだ 上 で 以 降 の 必 要 な 章 をお 読 みになることをお 勧 めします 業 務 文 書 の 追 加 業 務 アプリケーションデータを Solr サーバに 登 録 する 方 法 について 説 明 します 検 索 機 能 IM-ContentsSearch クライアントの 検 索 機 能 の 詳 細 を 記 載 しています 削 除 機 能 IM-ContentsSearch クライアントの 削 除 機 能 の 詳 細 を 記 載 しています 使 用 上 の 注 意 点 API を 使 用 する 上 での 注 意 事 項 制 限 事 項 について 説 明 します API の 詳 細 については API リストも 併 せてご 参 照 ください JavaEE 開 発 モデル アプリケーション 共 通 モジュール API IM-ContentsSearch クライアント API 弊 社 ホームページ 製 品 最 新 情 報 ダウンロードページ(http://www.intra-mart.jp/download/product/index.html) より ダウンロードが 可 能 です 1.2 前 提 条 件 本 書 は Solr プロダクトの 解 説 を 目 的 とするものではありません Solr プロダクトについての 詳 しい 情 報 は Apache Software Foundation の Web サイトでご 確 認 ください http://lucene.apache.org/solr/ また Solr Wiki では Solr に 関 する 様 々な 資 料 が 掲 載 されていますのでご 活 用 ください http://wiki.apache.org/solr/ 1.3 本 資 料 の 記 載 内 容 について 本 資 料 では API 使 用 事 例 として 実 際 のソースコードを 掲 載 しています 本 文 の 説 明 中 に 記 載 しているソースコードは 編 集 の 都 合 上 実 際 のソースコードと 一 部 異 なる 場 合 がありますの で あらかじめご 了 承 ください 尚 本 資 料 に 記 載 されている 内 容 については 今 後 のバージョン(リビジョン パッチ 含 む)における 機 能 追 加 仕 様 変 更 に 伴 い 予 告 なく 変 更 する 場 合 があります 詳 細 については 弊 社 ホームページ 製 品 最 新 情 報 ダウンロードページをご 参 考 ください 作 成 者 : 株 式 会 社 NTT データ イントラマート Page 1

intra-mart IM-ContentsSearch プログラミングガイド 2 API 概 要 IM-ContentsSearch クライアントは javaee 開 発 モデルで 使 用 することが 可 能 なイントラマートと Solr サーバと 連 携 を 行 うための API です Solr サーバに 文 書 を 登 録 または 検 索 削 除 するための 機 能 を 提 供 します ( ここでいう 文 書 とはドキュメントを 意 味 するものではなく 登 録 データ 全 般 を 指 します ) この API を 利 用 することで HTTP で 通 信 していることを 意 識 せずに Solr サーバとの 通 信 を 行 うことが 出 来 イン トラマートの 権 限 と 登 録 文 書 のアクセス 権 限 の 連 携 を 簡 単 に 実 現 することができます この API では 使 用 用 途 に 合 わせて 以 下 の 二 つのマネージャクラスが 用 意 されています jp.co.nttdata.intra_mart.solr.solrmanager jp.co.nttdata.intra_mart.solr.intramartsolrmanager 図 2.1 Solr マネージャ クラス 図 SolrManager は イントラマート 上 から 実 行 が 可 能 な 登 録 検 索 削 除 機 能 を 提 供 します IntramartSolrManger は イントラマート 上 から 実 行 が 可 能 な イントラマート 標 準 Solr スキーマに 特 化 したより 簡 素 化 されたインターフェースを 持 つ 登 録 検 索 削 除 機 能 を 提 供 します 上 記 クラス 図 で 示 したように IntramartSolrManger は SolrManager のサブクラスですので API の 使 用 方 法 に 大 きな 違 いはありません 2.1 Solrスキーマ Solr スキーマとは Solr サーバに 作 成 するインデックスの 構 造 (データ 型 やフィールドなど) 定 義 です 一 つの Solr サーバに 対 し 一 つの Solr スキーマを 定 義 することで 異 なる 業 務 間 を 横 断 的 に 検 索 することが 可 能 となります イントラマートでは 汎 用 的 に 使 用 が 可 能 な 標 準 の Solr スキーマを 提 供 していますので 基 本 的 には Solr スキ ーマの 設 計 を 行 う 必 要 はありません イントラマート 標 準 スキーマを 使 用 した 場 合 は 標 準 で 提 供 しているクローラ 全 文 検 索 画 面 を 使 用 することがで きます このスキーマを 利 用 している 場 合 には IM-ContentsSearch クライアントの 主 に IntramartSolrManager クラスを 使 用 して 実 装 を 行 います イントラマート 標 準 Solr スキーマを 使 用 せずに 独 自 に 業 務 要 件 に 特 化 した Solr スキーマを 設 計 し 使 用 する ことも 可 能 です 但 し 独 自 の Solr スキーマを 使 用 する 場 合 には イントラマートが 標 準 で 提 供 するクローラ 全 文 検 索 画 面 は 使 用 することができないため 独 自 に 作 成 する 必 要 があります 独 自 のSolrスキーマを 利 用 する 場 合 には IM-ContentsSearch クライアントの SolrManager クラスを 使 用 して 実 装 を 行 います Page 2 Copyright 2000-2009 株 式 会 社 NTT データ イントラマート All rights Reserved.

2 API 概 要 2.1.1 Solrスキーマを 独 自 に 作 成 する 場 合 の 制 限 事 項 1. Solr スキーマを 設 計 する 場 合 には Solr プロダクトの 仕 様 をよくご 理 解 した 上 で 行 ってください 2. 作 成 する Solr スキーマには イントラマートとの 権 限 連 携 に 必 要 な 以 下 のフィールドは 必 ず 定 義 してく ださい フィールドの 必 須 項 目 sids_allowed この 文 書 の 閲 覧 を 許 可 する 権 限 です 設 定 可 能 な 権 限 の 種 類 は 以 下 の 通 りです ユーザ ロール 組 織 +(ロールまたは 役 職 ) パブリックグループ + (ロール) ALL ユーザ sids_denied この 文 書 の 閲 覧 を 許 可 しない 権 限 です 設 定 可 能 な 権 限 は 上 記 と 同 じです schema.xml の 記 述 例 <field name="sids_allowed" type="string" indexed="true" stored="true" multivalued="true" /> <field name="sids_denied" type="string" indexed="true" stored="true" multivalued="true"/> 作 成 者 : 株 式 会 社 NTT データ イントラマート Page 3

intra-mart IM-ContentsSearch プログラミングガイド 3 業 務 文 書 の 追 加 この 章 では 業 務 アプリケーションデータを Solr サーバに 文 書 として 登 録 する 方 法 手 順 について 詳 しく 解 説 しま す この 章 での 解 説 は イントラマート 標 準 の Solr スキーマを 使 用 し かつ 標 準 の 全 文 検 索 画 面 を 使 用 している とい う 前 提 で 説 明 を 行 っています 上 記 前 提 に 当 てはまらない 場 合 には 関 連 項 目 のみご 参 照 ください はじめに イントラマート 標 準 Solr スキーマの 構 造 について 説 明 します 3.1 イントラマート 標 準 Solrスキーマ 定 義 イントラマートの 標 準 Solr スキーマは 以 下 のような 構 造 になっています Solr スキーマの 構 造 は Solr サーバ 内 の 設 定 ファイル schema.xml に 定 義 されています 項 番 フィールド 名 タイプ 必 須 索 引 化 データ 格 納 マルチ(*) 概 要 スタティックフィールド 1 id string 文 書 を 一 意 に 識 別 する ID 2 type string 文 書 種 別 ID 3 url string 詳 細 画 面 URL 4 id_original string 詳 細 画 面 を 表 示 するために 必 要 なパ ラメータ 5 title string タイトル 6 text_ngram text_ngram N-gram 用 テキストデータ 7 text_morph text_morph 形 態 素 解 析 用 テキストデータ 8 sids_allowed string 閲 覧 可 能 権 限 9 sids_denied string 閲 覧 不 可 権 限 10 record_date string 登 録 日 ダイナミックフィールド 11 *_string string 文 書 タイプ 固 有 の 文 字 列 データ 12 *_integer integer の 整 数 データ 13 *_long long の 長 整 数 データ 14 *_date date の 日 付 型 データ 15 *_string_mlt string_mlt マルチバリューの 文 書 タイプ 固 有 の 文 字 列 データ 16 *_integer_mlt integer の 整 数 データ 17 *_long_mlt long の 長 整 数 データ 18 *_date_mlt date の 日 付 型 データ マルチバリューフィールド 一 つのフィールドに 複 数 のデータを 格 納 することが 可 能 なフィールド Page 4 Copyright 2000-2009 株 式 会 社 NTT データ イントラマート All rights Reserved.

3 業 務 文 書 の 追 加 3.1.1 フィールド 詳 細 スタティックフィールド 文 書 種 別 共 通 の 固 定 のフィールドです 1. id 文 書 を 一 意 にするための ID です 文 書 種 別 間 で id が 重 複 するのを 防 ぐため 文 書 種 別 などをプレフィックスに 付 ける ことを 推 奨 します ( 例 )bpw_2_0000000001_00000002 2. type この 文 書 の 種 別 です アプリケーション 単 位 またはアプリケーション 内 の 機 能 単 位 等 で 種 別 を 設 定 しま す 階 層 構 造 を 持 つ 文 書 種 別 の 場 合 は 親 の 文 書 種 別 を 含 む 全 ての 文 書 種 別 を 登 録 します ( 例 )bpw 文 書 種 別 の 階 層 化 ついては 3.2.4 文 書 種 別 の 階 層 化 をご 参 照 ください 3. url 標 準 の 検 索 結 果 画 面 で タイトルリンクをクリックした 際 に 表 示 するコンテンツ 画 面 のURLです コンテンツ 画 面 が javaee 開 発 モデルの 場 合 [アプリケーション ID]-[サービス ID].service ( 例 )bpw-detail_info_frame_call.service コンテンツ 画 面 がスクリプト 開 発 モデルの 場 合 [Resource Service]からのパス ( 例 )sample/solr/sample.jssp 4. id_original 標 準 の 検 索 結 果 画 面 で タイトルリンクをクリックした 際 に 表 示 するコンテンツ 画 面 を 表 示 する 為 に 必 要 なパラメータ 群 です フォーマット:key=value の 半 角 スペース 区 切 り ( 例 )process_def_cd=2 version_cd=0000000001 process_cd=00000002 5. title 文 書 のタイトルです 6. text_ngram 文 字 列 の 解 析 方 法 が N-gram 用 のテキストデータです API では 文 書 登 録 時 に 解 析 方 法 に N-gram を 使 用 する 設 定 の 場 合 にのみテキ ストデータをこのフィールドに 格 納 します 標 準 の 検 索 画 面 からの 検 索 対 象 フィールドです 7. text_morph 文 字 列 の 解 析 方 法 が 形 態 素 解 析 用 のテキストデータです API では 文 書 登 録 時 に 解 析 方 法 に 形 態 素 解 析 を 使 用 する 設 定 の 場 合 にのみ テキストデータをこのフィールドに 格 納 します 標 準 の 検 索 画 面 からの 検 索 対 象 フィールドです 8. sids_allowed この 文 書 の 閲 覧 を 許 可 する 権 限 です 設 定 可 能 な 権 限 の 種 類 は 以 下 の 通 りです ユーザ ロール 組 織 +(ロールまたは 役 職 ) パブリックグループ+(ロール) ALL ユーザ 9. sids_denied この 文 書 の 閲 覧 を 許 可 しない 権 限 です 設 定 可 能 な 設 定 内 容 は 項 番 8 と 同 じです 10. record_date 文 書 の 登 録 した 日 時 ( 文 字 列 型 )です フォーマット:yyyy/MM/dd hh:mm:ss 形 式 作 成 者 : 株 式 会 社 NTT データ イントラマート Page 5

intra-mart IM-ContentsSearch プログラミングガイド ダイナミックフィールド 文 書 種 別 固 有 のデータを 登 録 するための 動 的 に 設 定 が 可 能 なフィールドです 11. *_string 各 フィールドのアンダーバーの 後 の 文 字 列 はデータ 型 を 表 します 12. *_integer このフィールドにデータを 設 定 する 場 合 は フィールド 名 に 該 当 のデータ 型 をサフィ 13. *_long ックスとして 付 けます 14. *_date ( 例 ) 業 務 データに 文 字 型 の プロセス 定 義 名 を 格 納 するためのフィールドを 追 加 する 場 合 フィールド 名 process_def_name_string 15. *_string_mlt 上 記 フィールドのマルチバリューフィールド 版 です 16. *_integer_mlt 一 つのフィールドに 複 数 の 値 を 設 定 することが 可 能 です 17. *_long_mlt 18. *_date_mlt Solrの 標 準 で 扱 うことの 出 来 るデータ 型 は 上 記 以 外 にもあり 任 意 で 追 加 が 可 能 です 必 要 に 応 じてダイナミックフィールドに 該 当 のデータ 型 用 フィールドを 追 加 してください 使 用 可 能 なデータ 型 については Solr プロダクトのページをご 参 照 ください 3.2 業 務 文 書 の 追 加 手 順 Solr サーバに 業 務 アプリケーションデータを 文 書 として 登 録 するには 専 用 のクローラを 作 成 する 必 要 がありま す 標 準 の 全 文 検 索 画 面 を 使 用 する 場 合 には さらに 検 索 結 果 表 示 の 為 の 業 務 テンプレート 対 象 コンテンツ 画 面 の 作 成 と 設 定 ファイルへの 文 書 種 別 の 定 義 が 必 要 です 図 3.2.1 文 書 登 録 のイメージ Page 6 Copyright 2000-2009 株 式 会 社 NTT データ イントラマート All rights Reserved.

3 業 務 文 書 の 追 加 図 3.2.2 検 索 結 果 表 示 イメージ 3.2.1 クローラの 作 成 業 務 アプリケーションデータを 抽 出 して Solr サーバに 文 書 として 登 録 するクローラを 作 成 します 標 準 で 用 意 されているワークフロー 用 のクローラはバッチ 処 理 ですが 必 ずしもバッチである 必 要 はありませんの で 業 務 アプリケーションの 仕 様 に 合 わせて 実 行 モジュールを 作 成 してください また ワークフロークローラ 仕 様 書 には ワークフロークローラの 動 作 仕 様 について 詳 しく 解 説 してありますので クローラを 作 成 する 上 でのご 参 考 にしてください クローラでは 主 に 以 下 の 処 理 を 行 います 1 登 録 対 象 の 業 務 アプリケーションデータを 取 得 2 文 書 の 登 録 3 全 文 書 の 登 録 後 の 後 処 理 3.2.1.1 業 務 データの 取 得 業 務 アプリケーションの 仕 様 に 合 わせて 登 録 対 象 となるデータを 取 得 します 取 得 が 必 要 な 情 報 業 務 データ 権 限 情 報 文 書 に 対 して 参 照 可 能 あるいは 参 照 不 可 とする 権 限 添 付 ファイル 情 報 ( 文 書 に 添 付 ファイルがある 場 合 ) Storage Service からのパスとファイル 名 3.2.1.2 文 書 の 登 録 3.2.1.2.1 取 得 データの 設 定 3.2.1.1 で 取 得 したデータを 以 下 のクラスのオブジェクトに 設 定 します jp.co.nttdata.intra_mart.solr.domain.intramartsolrinputdocument スタティックフィールドへの 値 の 設 定 上 記 クラスには 各 スタティックフィールドの setter が 用 意 されているので 該 当 メソッドにてフィールド 値 を 設 定 します テキストフィールドに 値 を 設 定 する 際 は API 側 で 解 析 方 法 に 何 を 使 用 しているのかを 判 断 し 適 切 な テキストフィールドに 値 を 設 定 する 動 作 となっているため 解 析 方 法 について 意 識 する 必 要 はありません 作 成 者 : 株 式 会 社 NTT データ イントラマート Page 7

intra-mart IM-ContentsSearch プログラミングガイド 以 下 にサンプルコードを 示 します IntramartSolrInputDocument inputdoc = new IntramartSolrInputDocument(); // スタティックフィールド // proc に 業 務 データが 設 定 されているものとします // id inputdoc.setdocumentid( bpw_2_0000000001_00000002 ); // id_original inputdoc.setoriginaldocumentid( process_def_cd=2 version_cd=0000000001 process_cd=00000002 ); // url inputdoc.seturl("bpw-detail_info_frame_call.service"); // type inputdoc.settype("bpw"); // title inputdoc.settitle(procinfo.getprocessname()); // テキスト inputdoc.addtext(procinfo.getprocessdefname()); inputdoc.addtext(procinfo.getprocessname()); ダイナミックフィールドへの 値 の 設 定 addfield メソッドを 使 用 します 第 一 引 数 にフィールド 名 ( 形 式 : 名 称 _データ 型 ) 第 二 引 数 にフィールド 値 を 設 定 します 以 下 にサンプルコードを 示 します // ダイナミックフィールド // proc に 業 務 データが 設 定 されているものとします // プロセス 定 義 名 inputdoc.addfield("process_def_name_string", proc.getprocessdefname()); // プロセスコード inputdoc.addfield("process_cd_string", proc.getprocesscd()); // 起 票 日 inputdoc.addfield("draft_date_string", proc.getdraftdate()); // 起 票 者 CD inputdoc.addfield("draft_user_cd_string", proc.getdraftusercd()); 権 限 情 報 の 設 定 addaccesscontrolentry メソッドを 使 用 します 引 数 には 設 定 する 権 限 の 種 別 に 合 わせた AccessControlEntry インターフェースの 実 装 クラスを 指 定 しま す 権 限 種 別 実 装 クラス 備 考 jp.co.nttdata.intra_mart.solr.domain ユーザ UserAccessControlEntry ロール RoleAccessControlEntry API 内 部 では 該 当 ロールの 上 位 レベルのロールを 取 得 して 合 わせて 登 録 します 組 織 DepartmentAccessControlEntry 絞 込 み 条 件 に ロール 役 職 の 指 定 が 可 絞 込 み 条 件 があった 場 合 は API 内 部 で 該 当 権 限 保 持 ユーザを 取 得 し ユーザ 権 限 として 登 録 されます 1 パブリック グループ PublicGroupAccessControlEntry 絞 込 み 条 件 に ロール の 指 定 が 可 絞 込 み 条 件 があった 場 合 は API 内 部 で 該 当 権 限 保 持 ユーザを 取 得 し ユーザ 権 限 として 登 録 されます 1 ALL ユーザ EveryoneAccessControlEntry 全 てのユーザに 閲 覧 権 限 を 付 与 する 場 合 に 設 定 しま す Page 8 Copyright 2000-2009 株 式 会 社 NTT データ イントラマート All rights Reserved.

3 業 務 文 書 の 追 加 1 該 当 権 限 保 持 ユーザを 取 得 する 際 に 使 用 する 検 索 基 準 日 に 関 しては 後 述 の 3.2.5 権 限 連 携 における 検 索 基 準 日 をご 参 照 ください 以 下 にサンプルコードを 示 します // 1.ユーザ inputdoc.addaccesscontrolentry(new UserAccessControlEntry(userCd)); // 2.ロール inputdoc.addaccesscontrolentry(new RoleAccessControlEntry(roleId)); // 3. 組 織 AccessControlEntry d_entry = new DepartmentAccessControlEntry(companyCd, departmentcd); // 絞 込 みがある 場 合 [ロール] d_entry.setroleid(roleid); // 絞 込 みある 場 合 [ 役 職 ] // d_entry.setpostid(postid); inputdoc.addaccesscontrolentry(d_entry): // 4.パブリックグループ PublicGroupAccessControlEntry p_entry = new PublicGroupAccessControlEntry (publicgroupsetid, publicgroupid); // 絞 込 みがある 場 合 [ロール] p_entry.setroleid(roleid); inputdoc.addaccesscontrolentry(p_entry): // 5.ALLユーザ inputdoc.addaccesscontrolentry(new EveryoneAccessControlEntry()): 添 付 ファイル 情 報 の 設 定 addintramartattachment メソッドを 使 用 します 第 一 引 数 に Storage Service からのパス 第 二 引 数 にファイル 名 を 指 定 します この 場 合 添 付 ファイルのフォーマットは ファイル 名 の 拡 張 子 から 自 動 判 別 されます 第 三 引 数 に MIME タイプを 指 定 することで 添 付 ファイルのフォーマットを 明 示 的 に 指 定 することもできます // 添 付 ファイルを 追 加 する inputdoc.addintramartattachment(filepath, filename); 3.2.1.2.2 登 録 処 理 はじめに IntramartSolrManager のインスタンスを 取 得 します 取 得 メソッドには 以 下 の 二 つがあります getinstance(string user, String group, Date date) getinstance(string user, String group) 第 一 引 数 : 任 意 の 文 字 列 を 設 定 します 第 二 引 数 : ログイングループ ID を 設 定 します 第 三 引 数 : 権 限 に 関 する 期 間 化 を 伴 った 情 報 ( 該 当 権 限 保 持 ユーザの 取 得 など)を 取 得 する 際 の 検 索 基 準 日 を 設 定 します 省 略 した 場 合 はシステム 日 付 が 設 定 されます 次 に IntramartSolrManager の addintramartdocument メソッドを 使 用 して 登 録 処 理 を 行 います 第 一 引 数 に IntramartSolrInputDocument オブジェクト 第 二 引 数 に 登 録 情 報 を 即 時 反 映 するかどうかを 指 定 しま す 一 般 的 なパフォーマンスの 観 点 から 特 別 な 事 情 がない 限 りは 全 ての 文 書 の 登 録 が 終 わった 時 点 で 一 括 でコミ ットすることをお 勧 めします 作 成 者 : 株 式 会 社 NTT データ イントラマート Page 9

intra-mart IM-ContentsSearch プログラミングガイド 以 下 にサンプルコードを 示 します try { IntramartSolrManager solrmng = IntramartSolrManager.getInstance("bpwProcessCrawler", logingroupid); solrmng.addintramartdocument(inputdoc, false); } catch (Exception e) { // エラー 時 の 処 理 } 3.2.1.3 全 文 書 登 録 後 の 後 処 理 全 ての 文 書 の 登 録 が 終 わったら 最 後 に 文 書 の 追 加 処 理 のコミットとインデックスの 最 適 化 処 理 を 行 います コミット 文 書 単 位 で コミット 処 理 を 行 っていない 場 合 (addintramartdocument の 第 二 引 数 に false を 設 定 した 場 合 )は 登 録 した 内 容 を 最 後 に 一 括 コミットします 通 常 は インデックスに 追 加 した 文 書 は コミットするまで 検 索 結 果 に 現 れません 但 しコミットを 行 っていなくても Solr サーバで 何 れかのタイミングに 登 録 データのフラッシュが 行 われた 場 合 は 検 索 結 果 に 反 映 される 動 作 となります インデックスの 最 適 化 インデックスの 最 適 化 を 実 行 することで 検 索 速 度 が 向 上 する 可 能 性 があります また 削 除 した 文 書 の 占 めていたインデックス 内 の 領 域 が 解 放 されます 但 し 最 適 化 は 大 変 に 時 間 のかかる 処 理 で 実 行 中 は 検 索 や 文 書 登 録 が 行 えません その 為 頻 繁 に 実 行 するのはお 勧 めしません 以 下 にサンプルコードを 示 します try { // 登 録 内 容 をコミット solrmng.commit(); // インデックスの 最 適 化 solrmng.optimize(); } catch (SearchException e) { // エラー 時 の 処 理 } 参 考 ) ロールバック 処 理 について 現 行 バージョンの Solr 1.3 では ロールバック 処 理 はサポートされていないため 一 度 登 録 した 内 容 をロールバ ックすることはできません どうしても 登 録 した 内 容 を 取 り 消 したい 場 合 には 文 書 の 削 除 処 理 を 行 ってください 削 除 処 理 については 後 述 の 5. 削 除 処 理 をご 参 照 ください 3.2.2 業 務 テンプレートの 作 成 特 定 の 文 書 種 別 の 文 書 を 表 示 するための 処 理 レイアウトが 記 述 されているページファイルを 業 務 テンプレートと 呼 びます 検 索 結 果 画 面 では 文 書 単 位 に 文 書 種 別 を 参 照 し 該 当 の 業 務 テンプレートを 呼 び 出 して 文 書 情 報 を 表 示 させ ます 業 務 テンプレートは JSPまたは Presentation Page で 作 成 します 業 務 テンプレートで 行 わなくてはいけないことは 以 下 の3 点 です レイアウトの 決 定 取 得 情 報 の 表 示 制 御 コンテンツ 画 面 表 示 の 実 装 Page 10 Copyright 2000-2009 株 式 会 社 NTT データ イントラマート All rights Reserved.

3 業 務 文 書 の 追 加 3.2.2.1 レイアウトの 決 定 業 務 テンプレートは 検 索 結 果 画 面 の 一 部 ( 正 確 には <TABLE>の1セル 内 )として 表 示 されます 表 示 エリア 内 に 収 まるようなレイアウトにしてください 3.2.2.2 取 得 情 報 の 表 示 業 務 テンプレートで 表 示 する 文 書 情 報 は 検 索 結 果 画 面 から 全 てリクエスト 経 由 で 渡 されます リクエストのパラメータ 名 は 要 約 の 情 報 を 除 き 全 て Solr スキーマのフィールド 名 と 同 じです 3.2.2.2.1 要 約 の 表 示 検 索 結 果 画 面 から 送 られるリクエスト 内 の 要 約 の 情 報 は 以 下 の 通 りです パラメータ 名 内 容 display_snippets 検 索 画 面 の 表 示 条 件 要 約 の 表 示 の 設 定 値 on : 要 約 を 表 示 する / off : 要 約 を 表 示 しない snippet_text_ngram N-gram 用 テキストフィールドの 要 約 情 報 display_snippets が off の 場 合 は 値 は 設 定 されません snippet_text_morph 形 態 素 解 析 用 テキストフィールドの 要 約 情 報 display_snippets が off の 場 合 は 値 は 設 定 されません 表 示 制 御 検 索 画 面 の 表 示 条 件 要 約 の 表 示 の 値 が off の 場 合 は 業 務 テンプレートで 要 約 列 を 表 示 しないように 制 御 を 行 います また 検 索 条 件 が 否 定 句 (キーワードを 含 めない)のみの 場 合 は 要 約 の 表 示 の 設 定 値 が on の 場 合 でも 要 約 は 作 成 されません(snippet_text_ に 値 が 設 定 されていない)ので 注 意 が 必 要 です ハイライト 設 定 ファイル solr-display-config.xml のハイライト 機 能 が 有 効 (ハイライト 属 性 use-highlight が true)に 設 定 されている 場 合 は 要 約 には 検 索 語 句 をハイライト 表 示 する 為 の HTML タグが 埋 め 込 まれています 従 って リクエストから 受 け 取 った 要 約 情 報 の HTML 特 殊 文 字 をエンコードしてしまうと ハイライト 表 示 の 為 のタグも 一 緒 に 変 換 されてしまうため ハイライトが 正 しく 表 示 できなくなってしまいます ハイライト 表 示 の 為 のタグ 除 いた HTML 特 殊 文 字 がエンコードされた 要 約 を 取 得 するには 以 下 のように 実 装 します JSPの 場 合 jp.co.intra_mart.foundation.solr.util.templateviewutilクラスのgetencodedsnippetsを 使 用 して 取 得 します このメソッドでは 最 初 に snippet_text_ngram を 取 得 し 値 が 取 得 できなかった 場 合 には snippet_text_morph を 参 照 して 要 約 情 報 を 取 得 します TemplateViewUtil util = new TemplateViewUtil(request); String snippets = util. getencodedsnippets (); Presentation Page の 場 合 Procedure.getEncodedSnippets() を 使 用 して 取 得 します このメソッドの 要 約 の 取 得 方 法 は TemplateViewUtil クラスの 該 当 メソッドと 同 じです var snippets = Procedure. getencodedsnippets (request); 作 成 者 : 株 式 会 社 NTT データ イントラマート Page 11

intra-mart IM-ContentsSearch プログラミングガイド 3.2.2.3 コンテンツ 画 面 表 示 の 実 装 検 索 結 果 画 面 では 文 書 のタイトルリンクを 押 下 すると コンテンツ 画 面 をポップアップで 表 示 する 動 作 仕 様 となっ ています その 為 業 務 テンプレートではコンテンツ 画 面 を 表 示 するための 実 装 を 行 います 文 書 情 報 の url フィールド id_original フィールドにはコンテンツ 画 面 を 表 示 するための 情 報 が 格 納 されてい ます 業 務 テンプレートでは この 値 と 検 索 結 果 画 面 の java Script 関 数 opendetailveiw を 利 用 して コンテンツ 画 面 を 表 示 します 引 数 には 以 下 の 値 を 設 定 します 第 一 引 数 文 書 情 報 の url フィールドの 値 第 二 引 数 文 書 情 報 の id_original フィールドの 値 第 三 引 数 コンテンツ 画 面 の 横 サイズ 第 四 引 数 コンテンツ 画 面 の 縦 サイズ 以 下 にサンプルコードを 示 します JSPの 場 合 TemplateViewUtil util = new TemplateViewUtil(request) <A class="solr_title" href="javascript:opendetailveiw('<%= util.getrequestparam("url") %>', '<%= util.getrequestparam("id_original")%>', 600,650)" > <%= util.getencodedrequestparam("title")%></a> Presentation Page の 場 合 <jsファイル> var url; var id_original; function init(request) { url = request.url; Id_original = request.id_original; <htmlファイル> <A class="solr_title" href="javascript:opendetailveiw('<imart type="string" value=url></imart>', '<IMART type="string" value=id_original></imart>', 600,650)"> <IMART type="string" value=title></imart></a> 参 考 ) 業 務 アプリケーションで 既 にコンテンツ 画 面 に 当 たる 画 面 がある 場 合 は その 画 面 を 併 用 することで 実 装 の 負 荷 を 軽 減 させることができる 場 合 もありますのでご 検 討 ください 文 書 種 別 ワークフロー では ワークフローの 詳 細 画 面 をコンテンツ 画 面 として 利 用 しています 3.2.2.4 業 務 テンプレートを 作 成 する 上 での 注 意 業 務 テンプレートは 検 索 結 果 画 面 の 一 部 として 表 示 されるため 作 成 する 上 で 以 下 のような 制 約 事 項 があります 1. 業 務 テンプレートは HTML の 一 部 分 として 表 示 されるため HTML 構 造 を 表 す 以 下 のようなタグは 利 用 できません <BODY>タグ 内 に 表 示 されるドキュメントの 内 容 のみ 記 述 するようにして 下 さい Page 12 Copyright 2000-2009 株 式 会 社 NTT データ イントラマート All rights Reserved.

3 業 務 文 書 の 追 加 <HEAD> <BODY> <!DOCTYPE> 2. 画 面 のスタイルは 検 索 結 果 画 面 で 指 定 されます 前 項 に 記 述 したように<HEAD>タグが 利 用 できない ため スタイルクラスの 定 義 は 記 述 できません タグに 個 別 にスタイルを 設 定 することもできますが でき るだけスタイルに 依 存 しないシンプルな 画 面 作 成 をして 下 さい <STYLE>タグや<LINK>タグを 用 いてスタイルを 指 定 することによって 検 索 結 果 画 面 のレイアウトに 影 響 を 与 えることがあります <IMART type="imdesigncss"> / < imarttag:imartdesigncss>タグは 検 索 結 果 画 面 で 指 定 しており 再 指 定 しなくても 利 用 可 能 ですので 業 務 テンプレートには 記 述 しないようにしてください 3. JavaScript で 利 用 するオブジェクト 名 や 変 数 名 関 数 名 をユニークな 名 前 で 定 義 する 必 要 があります これは 通 常 の 画 面 開 発 でも 同 様 ですが 業 務 テンプレートの 場 合 検 索 結 果 画 面 上 の 全 ての 業 務 テン プレートでバッティングしないようにする 必 要 があるため 特 に 注 意 が 必 要 です コンテンツ 画 面 の 表 示 その 他 ポップアップ 画 面 を 表 示 するための 関 数 が 検 索 結 果 画 面 で 用 意 されて いますので それらが 使 用 できないかどうかをご 確 認 ください 4. 検 索 結 果 画 面 では 検 索 結 果 1レコード 毎 に 該 当 の 業 務 テンプレートを 呼 び 出 して 表 示 しています 処 理 に 時 間 のかかる 業 務 テンプレートを 作 成 すると 検 索 結 果 画 面 が 表 示 されるまでにそれだけ 時 間 がかかってしまいます できるだけシンプルな 画 面 を 作 成 してください 3.2.3 文 書 種 別 情 報 の 定 義 業 務 テンプレートの URL や 業 務 テンプレートで 必 要 なフィールド 値 フォーマットなどの 検 索 結 果 表 示 時 に 必 要 な 文 書 種 別 固 有 の 情 報 は 設 定 ファイルに 定 義 します 設 定 ファイルは ServerManager/conf/solr-display-config.xml です 設 定 例 を 以 下 に 示 します <solr-display-config> <document> <document-type id = "bpw"> <display-string-key>solr.display.document_type.bpw.name</display-string-key> <parent-document-type/> <display-combo>true</display-combo> <templete-url>solr/search/template/bpw_template.jsp</templete-url> <default-date-format>yyyy/mm/dd</default-date-format> <require-fields> <field name="process_def_name_string"/> <field name="draft_date_string"/> <field name="draft_user_cd_string"/> <field name="draft_user_name_string"/> <field name="process_end_status_string"/> <field name="record_date"> <date-format> yyyy/mm/dd</date-format> </ field > </require-fields> </document-type> <document-type id = "sample"> </document-type> <document> < /solr-display-config > 文 書 種 別 ワークフロー の 設 定 作 成 者 : 株 式 会 社 NTT データ イントラマート Page 13

intra-mart IM-ContentsSearch プログラミングガイド タグの 説 明 < document >タグ < document > 文 書 情 報 を 設 定 します < document-type > 文 書 種 別 情 報 を 設 定 します 文 書 種 別 を 追 加 した 場 合 はこのタグ 要 素 を 追 加 します id 属 性 : 文 書 種 別 の id を 設 定 します ここで 設 定 する 値 は Solr スキーマの type フィールドへの 設 定 値 と 関 連 づけられま す またシステム 全 体 で 一 意 でなくてはいけません 文 書 種 別 が 階 層 構 造 を 持 っている 場 合 は 自 身 の 種 別 を 設 定 します 文 書 種 別 の 階 層 化 については 3.2.4 文 書 種 別 の 階 層 化 をご 参 照 ください < document-type >タグ < document-type > 文 書 種 別 毎 の 設 定 1 < display-string-key > ( 必 須 ) 文 書 種 別 のメッセージを 取 得 するためのキーを 設 定 します このメッセージは 種 別 コンボ 種 別 の 絞 込 み 検 索 の 文 書 種 別 表 示 時 に 使 用 されます メッセージは Server Manager/conf/message ディレクトリ 配 下 のメッセージ プロパティファイルに 定 義 してください 2 < parent-document-type > 文 書 種 別 が 階 層 構 造 を 持 ち この 文 書 種 別 に 親 の 種 別 が 存 在 する 場 合 自 身 の 一 つ 上 の 階 層 の 親 の 文 書 種 別 タイプを 指 定 します 但 し 指 定 できる 親 の 文 書 種 別 は 一 つのみです 3 <display-combo> 全 文 検 索 画 面 の 表 示 条 件 文 書 種 別 コンボボックスに 表 示 するか 否 か を 設 定 します デフォルトは true です ( 省 略 可 ) 4 <templete-url> 業 務 テンプレートの URL を 設 定 します [ 設 定 例 ] 業 務 テンプレートが jsp の 場 合 solr/search/template/bpw_template.jsp 業 務 テンプレートが PresetaionPage の 場 合 sample/solr/schedule/schedule_template.jssp 5 <default-date-format> フィールドが Date 型 の 場 合 のデフォルトフォーマット ( 任 意 ) require-fields にフォーマットの 指 定 がない Date 型 のフィールドがあった 場 合 に このフォーマットを 使 用 して 文 字 列 変 換 を 行 います 6 <require-fields> 要 求 フィールド 情 報 デフォルトで 業 務 テンプレートに 送 信 されるフィールド 以 外 に 必 要 なフィ ールドを 定 義 します デフォルトで 送 信 されるフィールド 値 は 以 下 の 通 りです 文 書 情 報 id type ( 自 身 の 文 書 種 別 親 種 別 は 含 みません) url id_original title 検 索 画 面 の 表 示 条 件 display_snippets ( 要 約 の 表 示 非 表 示 ) 要 約 を 表 示 する 場 合 snippet_text_ngram (Ngram 用 テキストフィールドの 要 約 ) snippet_text_morph ( 形 態 素 解 析 用 テキストフィールドの 要 約 ) <field> リクエスト 要 求 フィールド 名 name 属 性 :フィールド 名 はSolrスキーマのフィールド 名 と 一 致 している 必 要 があります <date-format> フィールドが Date 型 の 場 合 のフォーマット ( 任 意 ) このフィールド 値 をこのフォーマットを 使 用 して 文 字 列 変 換 を 行 います Page 14 Copyright 2000-2009 株 式 会 社 NTT データ イントラマート All rights Reserved.

3 業 務 文 書 の 追 加 3.2.3.1 設 定 内 容 の 継 承 親 の 文 書 種 別 が 存 在 する 場 合 は < document-type >の 4~6の 項 目 に 設 定 がない 時 一 つ 上 の 階 層 から 上 位 の 階 層 に 向 かって 順 に 設 定 が 見 つかるまで 親 文 書 種 別 の 該 当 項 目 の 設 定 を 参 照 する 動 作 となっています 上 位 階 層 の 文 書 種 別 の 設 定 内 容 を 複 数 の 下 位 階 層 の 文 書 種 別 が 継 承 することが 可 能 です 3.2.4 文 書 種 別 の 階 層 化 全 文 検 索 結 果 画 面 には 文 書 種 別 によるドリルダウン 検 索 機 能 があります ドリルダウン 検 索 とは データの 集 計 レベルを1つずつ 掘 り 下 げて 集 計 項 目 をさらに 詳 細 にする 操 作 で クリックだ けの 簡 単 操 作 でユーザを 目 的 の 文 書 種 別 まですばやく 誘 導 する 機 能 です 文 書 種 別 が 階 層 構 造 を 持 っている 場 合 には 特 にこの 機 能 が 有 効 です 以 下 に 例 を 示 します 検 索 結 果 種 別 絞 込 み 画 面 の 表 示 例 図 3.4-1 階 層 のある 文 書 種 別 の 例 図 3.4-1 では 社 内 システム に 掲 示 板 ドキュメント 管 理 という 機 能 があり 掲 示 板 では 登 録 対 象 データ を[カテゴリ]と[ 種 別 ]によりカテゴライズしているという 構 成 を 表 しています 各 ノードは 全 て 文 書 種 別 に 当 たりそれぞれが 文 書 種 別 IDを 持 ちます 下 位 のノードから 見 て 上 位 にある 全 てのノードが 親 の 文 書 種 別 です 例 ) [ 種 別 ] 取 引 先 情 報 の 親 の 文 書 種 別 社 内 システム 掲 示 板 連 絡 事 項 階 層 化 された 文 書 種 別 には 以 下 の 二 つの 種 類 の 種 別 があります 基 本 文 書 種 別 作 成 者 : 株 式 会 社 NTT データ イントラマート Page 15

intra-mart IM-ContentsSearch プログラミングガイド システム 固 有 の 文 書 種 別 で 事 前 に 定 義 が 可 能 な 種 別 です 3.2.3 文 書 種 別 情 報 の 定 義 の 内 容 で 設 定 ファイルに 定 義 します 図 3.4-1 の 例 の 場 合 は 第 1 層 第 2 層 の 文 書 種 別 がこれに 当 たります 動 的 文 書 種 別 アプリケーションの 機 能 により 登 録 されるような 流 動 的 な 種 別 です 内 容 が 業 務 データに 依 存 し 事 前 に 設 定 ファイルに 定 義 することができない 為 動 的 文 書 種 別 による 絞 込 み 検 索 機 能 を 使 用 する 場 合 には クローラ 実 行 時 に 種 別 情 報 の 取 得 保 存 を 行 う 必 要 があります また 動 的 文 書 種 別 は 必 ず 基 本 文 書 種 別 に 関 連 付 けが 可 能 ( 親 文 書 種 別 に 基 本 文 書 種 別 が 存 在 する)で なくてはいけません 図 3.4-1 の 例 の 場 合 は 第 3 層 第 4 層 の 文 書 種 別 がこれに 当 たります 3.2.4.1 文 書 種 別 IDの 命 名 規 則 文 書 種 別 IDは 以 下 の 命 名 規 則 に 従 って 付 ける 必 要 があります 1. システム 全 体 で 一 意 であること 2. IDが d$$ で 開 始 していないこと 3. 文 書 種 別 IDに 以 下 の 文 字 を 含 んでいないこと $$ = 3.2.4.2 文 書 種 別 の 登 録 クローラ 実 行 時 に 階 層 構 造 を 持 つ 文 書 種 別 を 登 録 する 方 法 について 説 明 します 3.2.4.2.1 階 層 構 造 に 動 的 文 書 種 別 が 存 在 しない 場 合 登 録 用 オブジェクトの type フィールドに 自 身 の 文 書 種 別 と 全 ての 親 の 文 書 種 別 を 設 定 します 文 書 登 録 時 のプログラミング 例 を 以 下 に 示 します IntramartSolrInputDocument inputdoc = new IntramartSolrInputDocument(); // type フィールドに 文 書 種 別 を 追 加 inputdoc.addtype("self_doc_type"); // 自 身 の 文 書 種 別 inputdoc.addtype("parent1_doc_type"); // 一 つ 上 の 文 書 種 別 inputdoc.addtype("parent2_doc_type"); // 二 つ 上 の 文 書 種 別 3.2.4.2.2 階 層 構 造 に 動 的 文 書 種 別 が 存 在 する 場 合 登 録 用 オブジェクトの type フィールドに 自 身 の 文 書 種 別 と 全 ての 親 の 文 書 種 別 を 設 定 します 但 し 登 録 する 動 的 文 書 種 別 IDは APIを 利 用 して 生 成 する 必 要 があります 文 書 種 別 の 登 録 時 には 基 本 的 に 以 下 の 処 理 を 行 います 使 用 する API のクラスは jp.co.intra_mart.foundation.solr.crawler.common.dynamicdocumenttype です 1 登 録 用 の 動 的 文 書 種 別 ID を 生 成 する 登 録 用 の 動 的 文 書 種 別 ID は 自 身 の 文 書 種 別 ID 親 の 文 書 種 別 IDを 基 に 階 層 構 造 情 報 を 含 んだ 独 自 の フォーマットにより 構 成 されています DynamicDocumentType の makedynamictype メソッドを 使 用 します makedynamictype(list<string> typelist, int index) 第 一 引 数 : 親 から 子 の 順 番 で 文 書 種 別 IDを 格 納 したリスト 第 二 引 数 : 動 的 文 書 種 別 ID を 作 成 するターゲット 文 書 種 別 IDのリスト 内 での 位 置 Page 16 Copyright 2000-2009 株 式 会 社 NTT データ イントラマート All rights Reserved.

3 業 務 文 書 の 追 加 2 生 成 した 登 録 用 動 的 文 書 種 別 ID と 表 示 用 文 書 種 別 名 のマッピングを 保 存 する DynamicDocumentType の savedynamictypefile メソッドを 使 用 します savedynamictypefile(string basedoctype,map<string, String> dynamictypeinfo, String logingroupid) 第 一 引 数 : 動 的 文 書 種 別 情 報 の 親 基 本 文 書 種 別 ID 第 二 引 数 : 登 録 用 動 的 文 書 種 別 ID と 表 示 用 文 書 種 別 名 のマッピング 第 三 引 数 : ログイングループ ID マッピング 情 報 は 第 一 引 数 に 指 定 した 親 基 本 文 書 種 別 ID 単 位 で 以 下 にファイルで 保 存 されます Storage サービス/contents_search/display/dynamic_type/<%ログイングループ ID%>/ <% 親 基 本 文 書 種 別 %>_dynamic_type 既 に 同 一 名 称 のファイルが 存 在 する 場 合 は 上 書 きする 動 作 となります 3 保 存 済 み 登 録 用 動 的 文 書 種 別 ID と 表 示 用 文 書 種 別 名 のマッピングを 取 得 する DynamicDocumentType の getdynamictypeinfo メソッドを 使 用 します getdynamicdoctypemap (String basedoctype, String logingroupid) 第 一 引 数 : マッピング 情 報 の 保 存 時 に 指 定 した 親 基 本 文 書 種 別 ID 第 二 引 数 : ログイングループ ID 図 3.4-1 の 社 内 システム > 掲 示 板 > 通 達 事 項 ( 動 的 文 書 種 別 ) > 取 引 先 情 報 ( 動 的 文 書 種 別 ) に 属 す る 業 務 データの 文 書 種 別 を 登 録 するプログラミング 例 を 以 下 に 示 します 下 記 コード 内 で 使 用 する 各 文 書 種 別 ID は 以 下 のものとします 社 内 システム[system] > 掲 示 板 [bulletin] > 通 達 事 項 [notification] > 取 引 先 情 報 [client_info] また 動 的 文 書 種 別 ID と 表 示 用 文 書 種 別 名 のマッピング 情 報 は 親 基 本 文 書 種 別 掲 示 板 [bulletin] で 保 存 するも のとします Map<String, String> map = null; // 登 録 済 みの 動 的 文 書 種 別 ID と 表 示 用 文 書 種 別 名 のマッピングの 取 得 map = DynamicDocumentType. getdynamictypeinfo ("bulletin", logingroupid); if (map == null) { map = new HashMap<String, String>(); } // 文 書 登 録 処 理 開 始 IntramartSolrInputDocument inputdoc = new IntramartSolrInputDocument(); // 基 本 文 書 種 別 を type フィールドに 追 加 inputdoc.addtype("system"); inputdoc.addtype("bulletin"); // 動 的 文 書 種 別 // 文 書 種 別 リストの 生 成 List<String> typelist = new ArrayList<String>(); typelist.add("system"); typelist.add("bulletin"); typelist.add("notification "); typelist.add("client_info"); // 通 達 事 項 の 登 録 用 動 的 文 書 種 別 ID を 生 成 String doctype1 = DynamicDocumentType.makeDynamicType(typeList, 2); // type フィールドに 追 加 inputdoc.addtype(doctype1); // マップに 追 加 map.put(doctype1, 通 達 事 項 ); // 取 引 先 情 報 の 登 録 用 動 的 文 書 種 別 ID を 生 成 String doctype2 = DynamicDocumentType.makeDynamicType(typeList, 3); 作 成 者 : 株 式 会 社 NTT データ イントラマート Page 17

intra-mart IM-ContentsSearch プログラミングガイド inputdoc.addtype(doctype2); map.put(doctype2, 取 引 先 情 報 ); // 文 書 登 録 処 理 終 了 // 処 理 の 最 後 に 動 的 文 書 種 別 ID と 表 示 用 文 書 種 別 名 のマッピングを 保 存 DynamicDocumentType.saveDynamicTypefile("bulletin", map, logingroupid); 実 装 上 の 注 意 点 動 的 文 書 種 別 情 報 は Storage サービス 内 にファイルとして 保 存 されます その 為 同 一 ファイルに 対 し 並 列 で 処 理 を 行 うと データの 整 合 性 が 失 われたり 一 部 のデータが 消 失 し てしまう 可 能 性 があります 動 的 文 書 種 別 を 扱 うクローラを 作 成 する 際 には 上 記 の 点 を 考 慮 して 実 装 を 行 ってください Page 18 Copyright 2000-2009 株 式 会 社 NTT データ イントラマート All rights Reserved.

4 検 索 機 能 4 検 索 機 能 イントラマートでは 全 文 検 索 画 面 (ポートレット メニュー)を 標 準 で 用 意 していますが IM-ContentsSearch クライ アントの 検 索 機 能 を 利 用 して 業 務 仕 様 に 特 化 した 独 自 の 検 索 画 面 を 作 成 することが 可 能 です この 章 では IM-ContentsSearch クライアントの 検 索 機 能 について 説 明 します 4.1.1 文 書 の 検 索 はじめに SolrManager のインスタンスを 取 得 します 取 得 メソッドには 以 下 の 二 つがあります getinstance(string user, String group, Date date) getinstance(string user, String group) 第 一 引 数 : ログインユーザIDを 設 定 します 第 二 引 数 : ログイングループ ID を 設 定 します 第 三 引 数 : 権 限 に 関 する 期 間 化 を 伴 った 情 報 (ログインユーザの 権 限 所 属 情 報 の 取 得 など)を 取 得 する 際 の 検 索 基 準 日 を 設 定 します 省 略 した 場 合 はシステム 日 付 が 設 定 されます 次 に SolrManager の searchdocuments メソッドを 使 用 して 検 索 処 理 を 行 います 引 数 には 検 索 条 件 を 設 定 した SolrSearchQuery オブジェクトを 設 定 します 設 定 ファイル solr-config.xml の 情 報 は SolrManager の getcachedconfig メソッドにより 取 得 可 能 です 設 定 値 情 報 格 納 クラス:jp.co.nttdata.intra_mart.solr.util.Config 以 下 にサンプルコードを 示 します 独 自 の Solr スキーマを 使 用 している 場 合 は フィールド 名 をお 使 いのスキーマのフィールド 名 に 適 宜 置 き 換 え てください try{ SolrManager mng = SolrManager.getInstance( getuserinfo().getuserid(), getuserinfo().getlogingroupid()); SolrSearchQuery query = new SolrSearchQuery(); Config conf = SolrManager.getCachedConfig(); SolrSearchCondition cond = null; // ファセットフィールドに type を 指 定 query.addfacetfield("type"); // 登 録 日 で 昇 順 にソート query.addsortfield("record_date", false); // 出 力 フィールド(スコア 及 び 全 フィールドを 出 力 ) query.addfieldtooutput("score"); query.addfieldtooutput("*"); // Ngram を 使 用 している 場 合 text_ngram フィールドに イントラマート 販 売 を 含 む 文 書 if (conf.getusengram()) { cond = new SolrSearchCondition().term("text_ngram", "イントラマート").and().term("text_ngram", " 発 売 "); } // 要 約 を 生 成 するフィールド(Ngram 用 テキストフィールド) query.addfieldtogeneratesnippetsfor("text_ngram"); // 形 態 素 解 析 を 使 用 している 場 合 text_morph フィールドに イントラマート 販 売 を 含 む 文 書 if (conf.getusemorph()) { SolrSearchCondition cond2 = new SolrSearchCondition().term("text_morph", "イントラマート") 作 成 者 : 株 式 会 社 NTT データ イントラマート Page 19

intra-mart IM-ContentsSearch プログラミングガイド.and().term("text_morph", " 発 売 "); } if (cond == null) { cond = cond2; } else { cond = SolrSearchCondition.or(cond, cond2); } // 要 約 を 生 成 するフィールド( 形 態 素 解 析 用 テキストフィールド) query.addfieldtogeneratesnippetsfor("text_morph"); // 検 索 開 始 位 置 query.setoffset(long.valueof(pageno) * Long.valueOf(dispCount)); // 取 得 件 数 query.setrows(long.valueof(dispcount)); // 検 索 条 件 query.setcondition(cond); // 検 索 実 行 SearchResult result = mng.searchdocuments(query); } catch (Exception e) { // エラー 時 の 処 理 s } ( ) ファセット ソートフィールドの 注 意 点 1. ファセットフィールド ソートフィールドには 索 引 化 をしていないフィールドは 指 定 できません 2. トークナイズ 対 象 フィールドはソートすることはできません 4.1.2 検 索 条 件 IM-ContentsSearch クライアントを 用 いて 文 書 を 検 索 する 際 に 使 用 することができる 検 索 条 件 の 一 覧 それらの 意 味 および 注 意 事 項 について 説 明 します API では 以 下 の 検 索 条 件 を 組 み 合 わせて 利 用 することができます 項 番 検 索 条 件 意 味 1 ターム 検 索 条 件 フィールドに 指 定 した 語 が 含 まれている 文 書 を 検 索 する 2 フレーズ 検 索 条 件 フィールドに 指 定 したフレーズが 含 まれている 文 書 を 検 索 する 3 整 数 範 囲 検 索 条 件 フィールドの 値 が 指 定 した 32bit 整 数 範 囲 に 含 まれている 文 書 を 検 索 する 4 長 整 数 範 囲 検 索 条 件 フィールドの 値 が 指 定 した 64bit 整 数 範 囲 に 含 まれている 文 書 を 検 索 する 5 文 字 列 範 囲 検 索 条 件 フィールドの 値 が 指 定 した 文 字 列 の 範 囲 に 含 まれている 文 書 を 検 索 する 6 日 時 範 囲 検 索 条 件 フィールドの 値 が 指 定 した 日 時 の 範 囲 に 含 まれている 文 書 を 検 索 する 7 非 ヌル 値 検 索 条 件 フィールドの 値 が 空 でない 文 書 を 検 索 する 8 全 件 検 索 条 件 登 録 された 全 文 書 を 検 索 する 9 AND 検 索 条 件 与 えられた 複 数 の 副 検 索 条 件 の 論 理 積 にマッチする 文 書 を 検 索 す る 10 OR 検 索 条 件 与 えられた 複 数 の 副 検 索 条 件 の 論 理 和 にマッチする 文 書 を 検 索 す る 11 AND NOT 検 索 条 件 与 えられた 複 数 の 副 検 索 条 件 のうち 最 初 の 条 件 にマッチし 二 番 目 以 降 の 条 件 にはマッチしない 文 書 を 検 索 する 12 raw 検 索 条 件 Solr の 検 索 式 を 直 接 指 定 して それにマッチする 文 書 を 検 索 する Page 20 Copyright 2000-2009 株 式 会 社 NTT データ イントラマート All rights Reserved.

4 検 索 機 能 4.1.2.1 検 索 条 件 ごとの 詳 細 な 説 明 と 制 限 事 項 4.1.2.1.1 ターム 検 索 条 件 説 明 ターム 検 索 条 件 とは フィールドに 指 定 した 語 (ターム)が 含 まれている 文 書 を 検 索 する 条 件 です 検 索 条 件 として 指 定 した 語 は まずそのフィールドの Analyzer によって 解 析 され トークンと 呼 ばれる 文 字 列 のリストに 分 割 されます その 後 そのトークンのリストのフレーズ 検 索 として 実 行 されます ターム 検 索 条 件 は jp.co.nttdata.intra_mart.solr.domain.solrsearchcondition の term メソッドを 用 いて 構 築 することができます 制 限 事 項 タームには 空 白 文 字 を 含 めてはいけません また ターム 検 索 において AND OR NOT というタームを 使 用 する 場 合 には 注 意 が 必 要 です これらの 文 字 列 は Solr によって 論 理 積 検 索 論 理 和 検 索 論 理 否 定 検 索 を 表 す 特 殊 キーワードとみなさ れるためです API は これらのキーワードがタームとして 与 えられた 場 合 フレーズクエリとして 実 行 します なお これらのキーワードは 大 文 字 小 文 字 を 区 別 するため and Or not 等 のタームで 検 索 する 場 合 はこの 注 意 は 当 てはまりません オプション 1 ワイルドカード 検 索 ワイルドカード 検 索 とは 任 意 の 文 字 列 にマッチするワイルドカード 文 字 * 及 び 任 意 の 一 文 字 にマッチするワイルドカード 文 字? を 用 いて タームを 記 述 できる 機 能 です 例 えば foo* というタームで 検 索 した 場 合 foo で 始 まる 全 てのトークンを 含 む 文 書 を 検 索 する という 意 味 になります term メソッドの wildcard 引 数 に true を 与 えることで 有 効 になります 後 述 するあいまいマッチオプションとの 同 時 使 用 はできません 注 意 点 ワイルドカード 文 字 は タームの 先 頭 で 使 用 することはできません また ワイルドカード 検 索 を 用 いる 場 合 検 索 タームは トークンに 分 割 されません 2 あいまいマッチ あいまいマッチとは 与 えたタームに 厳 密 に 一 致 するトークンを 含 む 文 書 だけでなく 少 しだけ 異 なったトークンを 含 む 文 書 も 検 索 できる 機 能 です 例 えば ワークフロー というタームで あいまいマッチを 有 効 にして 検 索 を 行 った 場 合 ワードフ ロー ワークブロー 等 の 少 し 異 なったトークンを 含 む 文 書 も 検 索 できます ただし あいまいマッチが 有 効 なのは 3 文 字 以 上 の 長 さを 持 つ 検 索 タームに 対 してのみです また あいまいマッチを 用 いる 場 合 検 索 タームは トークンに 分 割 されません 注 意 点 日 本 語 の 文 書 は インデックス 内 に 格 納 されたトークンが 形 態 素 や N-gram 等 の 小 さな 単 位 である ため あいまいマッチで 直 感 的 な 結 果 を 得 にくいことです 例 えば ワークフロー という 文 字 列 を CJKTokenizer を 用 いるフィールドに 登 録 した 場 合 実 際 には ワー ーク クフ フロ ロー というトークンに 分 割 されてインデックスに 格 納 されています したがって ワークフロー というタームを 用 いてあいまいマッチを 行 っても それぞれのトークンと ワークフロー というタームはあまり 類 似 していないため 検 索 結 果 には 現 れません 作 成 者 : 株 式 会 社 NTT データ イントラマート Page 21

intra-mart IM-ContentsSearch プログラミングガイド 4.1.2.1.2 フレーズ 検 索 条 件 説 明 フレーズ 検 索 条 件 とは フィールドに 指 定 した 語 のリスト(フレーズ)が 指 定 した 順 序 で 隣 接 して 含 まれて いる 文 書 を 検 索 する 条 件 です 検 索 条 件 として 指 定 したフレーズは まずそのフィールドの Analyzer によって 解 析 され トークンのリストに 分 割 されます その 後 それらのトークンが その 順 序 で 隣 接 して 出 現 する 文 書 が 検 索 されます フレーズ 検 索 条 件 は jp.co.nttdata.intra_mart.solr.domain.solrsearchcondition の phrase メソッドを 用 いて 構 築 することができます フレーズ 検 索 には ターム 検 索 とは 異 なり 空 白 文 字 を 含 む 文 字 列 を 与 えることができます しかし 逆 に ワイルドカード 検 索 やあいまいマッチを 行 うことはできません ワイルドカード 文 字 * もしくは? を 与 えた 場 合 は 文 字 そのものが 検 索 されます オプション 1 近 傍 検 索 近 傍 検 索 とは フレーズを 構 成 する 各 トークンが 完 全 に 隣 接 しておらず ある 程 度 離 れて 出 現 する 文 書 も 探 すことができる 機 能 です どの 程 度 離 れていることを 許 容 するかは similarity 引 数 で 指 定 します 例 えば 東 京 と 京 都 という 文 字 列 で MeCabAnalyzer を 用 いるフィールドに 対 してフレーズ 検 索 を 行 うことを 考 えます 通 常 のフレーズ 検 索 では 東 京 と 京 都 という 並 びでトークンが 含 まれる 文 書 を 検 索 します し かし 近 傍 検 索 を 有 効 にすると 東 京 と 名 古 屋 と 京 都 のように 少 し 離 れた 位 置 にトークンが 出 現 する 文 書 も 検 索 することができます この 場 合 文 書 に 含 まれるトークンのリストは 東 京 と 名 古 屋 と 京 都 となり 検 索 条 件 のトークンに 比 べ 二 つ 余 分 にトークンが 挿 入 されています したがって similarity には 2 以 上 を 指 定 する 必 要 があります 4.1.2.1.3 整 数 範 囲 検 索 条 件 整 数 範 囲 検 索 条 件 とは フィールドの 値 が 指 定 した 32bit 整 数 範 囲 に 含 まれている 文 書 を 検 索 する 条 件 です 整 数 範 囲 検 索 条 件 は jp.co.nttdata.intra_mart.solr.domain.solrsearchcondition の 以 下 のメソッドを 用 いて 構 築 す ることができます integerrange integergreaterthan integergreaterthanorequalto integerlessthan integerlessthanorequalto 上 記 のメソッドのうち integerrange は 範 囲 の 上 限 と 下 限 を 指 定 して フィールド 値 がそこに 含 まれる 文 書 を 検 索 するものです inclusive 引 数 により 上 限 値 及 び 下 限 値 を 範 囲 に 含 めるかどうかを 指 定 することができます それ 以 外 のメソッドは 上 限 もしくは 下 限 のみを 指 定 して 検 索 を 行 うものです 4.1.2.1.4 長 整 数 範 囲 検 索 条 件 長 整 数 範 囲 検 索 条 件 とは フィールドの 値 が 指 定 した 64bit 整 数 範 囲 に 含 まれている 文 書 を 検 索 する 条 件 で す Page 22 Copyright 2000-2009 株 式 会 社 NTT データ イントラマート All rights Reserved.

4 検 索 機 能 長 整 数 範 囲 検 索 条 件 は jp.co.nttdata.intra_mart.solr.domain.solrsearchcondition の 以 下 のメソッドを 用 いて 構 築 することができます longrange longgreaterthan longgreaterthanorequalto longlessthan longlessthanorequalto 上 記 のメソッドのうち longrange は 範 囲 の 上 限 と 下 限 を 指 定 して フィールド 値 がそこに 含 まれる 文 書 を 検 索 す るものです inclusive 引 数 により 上 限 値 及 び 下 限 値 を 範 囲 に 含 めるかどうかを 指 定 することができます それ 以 外 のメソッドは 上 限 もしくは 下 限 のみを 指 定 して 検 索 を 行 うものです 4.1.2.1.5 文 字 列 範 囲 検 索 条 件 文 字 列 範 囲 検 索 条 件 とは フィールドの 値 が 指 定 した 文 字 列 範 囲 に 含 まれている 文 書 を 検 索 する 条 件 です 文 字 列 の 大 小 比 較 は 辞 書 順 によります 文 字 列 範 囲 検 索 条 件 は jp.co.nttdata.intra_mart.solr.domain.solrsearchcondition の 以 下 のメソッドを 用 いて 構 築 することができます stringrange, stringgreaterthan, stringgreaterthanorequalto, stringlessthan, stringlessthanorequalto のいずれかのメソッドを 用 いて 構 築 することができます 上 記 のメソッドのうち stringrange は 範 囲 の 上 限 と 下 限 を 指 定 して フィールド 値 がそこに 含 まれる 文 書 を 検 索 するものです inclusive 引 数 により 上 限 値 及 び 下 限 値 を 範 囲 に 含 めるかどうかを 指 定 することができます そ れ 以 外 のメソッドは 上 限 もしくは 下 限 のみを 指 定 して 検 索 を 行 うものです 4.1.2.1.6 日 時 範 囲 検 索 条 件 日 付 範 囲 検 索 条 件 とは フィールドの 値 が 指 定 した 日 付 範 囲 に 含 まれている 文 書 を 検 索 する 条 件 です 日 付 範 囲 検 索 条 件 は jp.co.nttdata.intra_mart.solr.domain.solrsearchcondition の 以 下 のメソッドを 用 いて 構 築 す ることができます daterange, dategreaterthan, dategreaterthanorequalto, datelessthan, datelessthanorequalto 上 記 のメソッドのうち daterange は 範 囲 の 上 限 と 下 限 を 指 定 して フィールド 値 がそこに 含 まれる 文 書 を 検 索 す るものです inclusive 引 数 により 上 限 値 及 び 下 限 値 を 範 囲 に 含 めるかどうかを 指 定 することができます それ 以 外 のメソッドは 上 限 もしくは 下 限 のみを 指 定 して 検 索 を 行 うものです 4.1.2.1.7 非 ヌル 値 検 索 条 件 非 ヌル 値 検 索 条 件 とは フィールドに 任 意 の 値 がセットされている 文 書 を 検 索 する 条 件 です フィールドに 何 も 値 がセットされていない つまり 当 該 フィールドを 持 たない 文 書 は 検 索 されません 作 成 者 : 株 式 会 社 NTT データ イントラマート Page 23

intra-mart IM-ContentsSearch プログラミングガイド 非 ヌル 値 検 索 条 件 は jp.co.nttdata.intra_mart.solr.domain.solrsearchcondition の notnull メソッドを 用 いて 構 築 することができます 尚 フィールドに 空 文 字 列 ( )が 格 納 されている 場 合 は フィールドに 値 がセットされているものとして 扱 われま す 4.1.2.1.8 全 件 検 索 条 件 全 件 検 索 条 件 とは 無 条 件 で 全 ての 文 書 を 検 索 する 条 件 です 全 件 検 索 条 件 は jp.co.nttdata.intra_mart.solr.domain.solrsearchcondition の all メソッドを 用 いて 構 築 することが できます 4.1.2.1.9 AND 検 索 条 件 AND 検 索 条 件 とは 与 えられた 複 数 の 副 検 索 条 件 の 論 理 積 にマッチする 文 書 を 検 索 する 条 件 です すなわち 与 えられた 副 検 索 条 件 全 てにマッチする 文 書 のみ 検 索 します AND 検 索 条 件 は jp.co.nttdata.intra_mart.solr.domain.solrsearchcondition の and メソッドを 用 いて 構 築 すること ができます 4.1.2.1.10 OR 検 索 条 件 OR 検 索 条 件 とは 与 えられた 複 数 の 副 検 索 条 件 の 論 理 和 にマッチする 文 書 を 検 索 する 条 件 です すなわち 与 えられた 副 検 索 条 件 のいずれかにマッチする 文 書 を 検 索 します OR 検 索 条 件 は jp.co.nttdata.intra_mart.solr.domain.solrsearchcondition の or メソッドを 用 いて 構 築 することが できます 4.1.2.1.11 AND NOT 検 索 条 件 AND NOT 検 索 とは 与 えられた 複 数 の 副 検 索 条 件 のうち 最 初 の 条 件 にマッチし 二 番 目 以 降 の 条 件 にはマ ッチしない 文 書 を 検 索 する 条 件 です AND NOT 検 索 条 件 は jp.co.nttdata.intra_mart.solr.domain.solrsearchcondition の andnot メソッドを 用 いて 構 築 することができます 注 意 点 AND NOT 検 索 条 件 には 必 ず 複 数 の 副 検 索 条 件 を 与 える 必 要 があるということです 一 つしか 副 検 索 条 件 を 与 えない 場 合 単 純 にその 条 件 にマッチする 文 書 が 検 索 されます もし 単 独 の 検 索 条 件 の 否 定 条 件 で 検 索 したい 場 合 は 最 初 の 副 検 索 条 件 として 全 件 検 索 条 件 を 与 えます 例 えば ある 語 を 含 まない 文 書 のみを 検 索 したい 場 合 は 最 初 の 副 検 索 条 件 として 全 件 検 索 条 件 二 番 目 の 副 検 索 条 件 としてターム 検 索 条 件 を 与 えます ( 例 ) ターム NTT を 含 まない 文 書 を 検 索 する 条 件 を 構 築 する 正 しく 動 作 しない 例 SolrSearchCondition cond = new SolrSearchCondition().andNot().term("NTT"); 正 しく 動 作 する 例 SolrSearchCondition cond = new SolrSearchCondition().all().andNot().term("NTT"); Page 24 Copyright 2000-2009 株 式 会 社 NTT データ イントラマート All rights Reserved.

5 削 除 機 能 5 削 除 機 能 この 章 では IM-ContentsSearch クライアントの 削 除 機 能 の 実 装 方 法 について 説 明 します 5.1.1 文 書 の 削 除 IM-ContentsSearch クライアントでは 文 書 の 削 除 の 為 に 以 下 のメソッドを 用 意 しています SolrManager deletealldocuments 登 録 された 全 文 書 を 削 除 します deletedocuments 検 索 条 件 にマッチする 文 書 を 全 て 削 除 します 引 数 には 検 索 条 件 jp.co.nttdata.intra_mart.solr.domain.solrsearchcondition を 設 定 します Intramart SolrManager deleteintramartdocumentsbytype 指 定 した 文 書 種 別 の 文 書 を 全 て 削 除 します 引 数 には 文 書 種 別 を 設 定 します 5.1.2 削 除 処 理 後 の 後 処 理 文 書 の 削 除 が 終 わったら 最 後 に 文 書 の 削 除 処 理 のコミットと 必 要 に 応 じてインデックスの 最 適 化 処 理 を 行 いま す これらの 処 理 については 前 述 の 3.2.1.3 全 文 書 登 録 後 の 後 処 理 をご 参 照 ください 以 下 に 条 件 を 指 定 して 文 書 を 削 除 する 場 合 のサンプルコードを 示 します SolrManager mng = SolrManager.getInstance( getuserinfo().getuserid(), getuserinfo().getlogingroupid()); SolrSearchCondition cond = new SolrSearchCondition(); cond.term("フィールド 名 ", "sample"); try { // 削 除 処 理 実 行 mng.deletedocuments(cond); // 登 録 内 容 を 即 時 反 映 mng.commit(); // インデックスの 最 適 化 mng.optimize(); } catch (Exception e) { // エラー 時 の 処 理 } 作 成 者 : 株 式 会 社 NTT データ イントラマート Page 25

intra-mart IM-ContentsSearch プログラミングガイド 6 API 使 用 上 の 注 意 点 この 章 では IM-ContentsSearch クライアントを 使 用 する 上 での 注 意 点 について 説 明 します 6.1 全 般 的 な 注 意 事 項 Javadoc のメソッドの 説 明 において できません ( 例 :null を 与 えることはできません)と 記 載 されているパラメ ータについては 呼 び 出 し 側 でその 制 約 を 満 たすよう 保 証 してください 制 約 を 満 たさなかった 場 合 の 動 作 は 未 定 義 かつ 保 証 対 象 外 です 6.2 文 書 の 登 録 に 関 する 注 意 事 項 本 ライブラリがテキストを 抽 出 することができるファイルフォーマットの 一 覧 と 各 フォーマットからテキストを 抽 出 す る 際 の 制 限 事 項 を 以 下 に 述 べます 6.2.1 テキストを 抽 出 することができるファイルフォーマット 本 ライブラリがテキストを 抽 出 できるファイルフォーマットの 一 覧 は 下 表 のとおりです 項 番 フォーマット 名 MIME タイプ (MIME タイプを 指 定 しない 場 合 に この MIME タ イプであるとみなすファイルの 拡 張 子 ) 1 プレーンテキスト text/plain (txt) 2 HTML text/html (htm, html) 3 XML application/xml (xml) 4 PDF application/pdf (pdf) 5 Microsoft Office Word application/msword (doc, docx) 6 Microsoft Office PowerPoint application/vnd.ms-powerpoint (ppt, pptx) 7 Microsoft Office Excel application/vnd.ms-excel (xls, xlsx) 8 ZIP アーカイブ application/zip (zip) テキストを 抽 出 することができるファイルフォーマット 一 覧 6.2.2 テキストを 抽 出 する 際 の 制 限 事 項 以 下 に それぞれのファイルフォーマットごとの テキストを 抽 出 する 際 の 制 限 事 項 を 述 べます プレーンテキスト API では プレーンテキストファイル 内 のテキストの 文 字 コードを 統 計 的 手 法 により 自 動 的 に 判 別 します しかし 短 いテキストしか 含 まれていないファイルや 複 数 の 文 字 コードが 混 在 しているファイル 等 につい ては 文 字 コードを 正 しく 判 別 できないことがあります この 場 合 ファイルから 抽 出 されたテキストは 文 字 化 けしたものになります Page 26 Copyright 2000-2009 株 式 会 社 NTT データ イントラマート All rights Reserved.

6 API 使 用 上 の 注 意 点 HTML API では HTML 内 の 以 下 の 部 分 から テキストを 抽 出 します HEAD 要 素 内 の TITLE 要 素 に 含 まれるテキスト BODY 要 素 に 含 まれるテキスト またAPIでは HTML の 文 字 コードを まず META タグで 指 定 された content-type を 探 すことによって 判 別 しようと 試 み それに 失 敗 すると プレーンテキストと 同 じく 統 計 的 手 法 により 判 別 を 試 みます 文 字 コードを 正 しく 判 別 できなかった 場 合 ファイルから 抽 出 されたテキストは 文 字 化 けしたものになりま す XML API では XML 内 の 全 てのテキストノードを 抽 出 します PDF APIでは 設 定 ファイル(ServerManager/conf/solr-config.xml)による 指 定 に 応 じて 以 下 のいずれかを 用 いてPDFからテキストを 抽 出 します 1. PDFBox (http://incubator.apache.org/pdfbox/) 2. Xpdf (http://www.foolabs.com/xpdf/) 付 属 のコマンド pdftotext 3. フリーウェア xdoc2txt (http://www31.ocn.ne.jp/~h_ishida/xdoc2txt.html) 1.のPDFBoxを 用 いる 場 合 日 本 語 が 含 まれるPDFから 正 しくテキストを 抽 出 できないことがあります 2.のpdftotextコマンドを 用 いる 場 合 IM-ContentsSearchクライアントが 動 作 しているマシン 上 に Xpdfがイ ンストールされ pdftotextコマンドが 正 常 に 動 作 する 環 境 が 整 っている 必 要 があります 3.のxdoc2txtを 用 いる 場 合 xdoc2txt.exeがインストールされ 正 常 に 動 作 する 環 境 が 整 っている 必 要 があ ります また xdoc2txt.exeは Microsoft Windowsでしか 動 作 しません 1.,2.,3.のいずれを 用 いる 場 合 であっても パスワードつきで 暗 号 化 されたPDFファイル(PDFビューワで 開 く 際 に パスワードを 要 求 されるPDFファイル)からテキストを 抽 出 することはできません Microsoft Office Word APIでは 設 定 ファイルの 指 定 に 応 じて 以 下 のいずれかを 用 いて Wordファイルからテキストを 抽 出 しま す 1. Apache POI (http://poi.apache.org/) 2. xdoc2txt 1.のApache POIを 用 いる 場 合 Office Open XML 形 式 のファイル( 拡 張 子 docx)から テキストを 抽 出 するこ とはできません Office 2003 までのWordファイル( 拡 張 子 doc)からテキストを 抽 出 することは 可 能 です 2.のxdoc2txtは Office 2003 までのWordファイル Office Open XML 形 式 のファイルのいずれからも テキ ストを 抽 出 できます ただし Office Open XML 形 式 のファイルからテキストを 抽 出 するためには 添 付 ファイルの 名 前 に 含 まれ る 拡 張 子 が docx でなければいけません 添 付 ファイルの 名 前 とは jp.co.nttdata.intra_mart.solr.model.inputdocument インターフェースのaddDocument メソッドにおけ 作 成 者 : 株 式 会 社 NTT データ イントラマート Page 27

intra-mart IM-ContentsSearch プログラミングガイド る name パラメータを 指 します なお 2.を 用 いる 場 合 xdoc2txt.exeがインストールされ 正 常 に 動 作 す る 環 境 が 整 っている 必 要 があります また xdoc2txt.exeは Microsoft Windowsでしか 動 作 しません 1., 2.のいずれを 用 いる 場 合 であっても パスワードで 保 護 されたWordファイルからテキストを 抽 出 すること はできません Microsoft Office PowerPoint API では 設 定 ファイルの 指 定 に 応 じて 以 下 のいずれかを 用 いて PowerPoint ファイルからテキストを 抽 出 します 1. Apache POI 2. xdoc2txt 1.の Apache POI を 用 いる 場 合 Office Open XML 形 式 のファイル( 拡 張 子 pptx)から テキストを 抽 出 する ことはできません Office 2003 までの PowerPoint ファイル( 拡 張 子 ppt)からテキストを 抽 出 することは 可 能 です 2.の xdoc2txt は Office 2003 までの PowerPoint ファイル Office Open XML 形 式 のファイルのいずれから も テキストを 抽 出 できます ただし Office Open XML 形 式 のファイルからテキストを 抽 出 するためには 添 付 ファイルの 名 前 に 含 まれる 拡 張 子 が pptx でなければいけません 添 付 ファイルの 名 前 とは jp.co.nttdata.intra_mart.solr.model.inputdocument インターフェースの adddocument メソッドにおける name パラメータを 指 します なお 2.を 用 いる 場 合 xdoc2txt.exe がインス トールされ 正 常 に 動 作 する 環 境 が 整 っている 必 要 があります また xdoc2txt.exe は Microsoft Windows でしか 動 作 しません 1., 2.のいずれを 用 いる 場 合 であっても パスワードで 保 護 された PowerPoint ファイルからテキストを 抽 出 す ることはできません Microsoft Office Excel API では 設 定 ファイルの 指 定 に 応 じて 以 下 のいずれかを 用 いて Excel ファイルからテキストを 抽 出 しま す 1. Apache POI 2. xdoc2txt 1.の Apache POI を 用 いる 場 合 Office Open XML 形 式 のファイル( 拡 張 子 xlsx)から テキストを 抽 出 する ことはできません Office 2003 までの Excel ファイル( 拡 張 子 xls)からテキストを 抽 出 することは 可 能 です 2.の xdoc2txt は Office 2003 までの Excel ファイル Office Open XML 形 式 のファイルのいずれからも テキストを 抽 出 できます ただし Office Open XML 形 式 のファイルからテキストを 抽 出 するためには 添 付 ファイルの 名 前 に 含 まれる 拡 張 子 が xlsx でなければいけません 添 付 ファイルの 名 前 とは jp.co.nttdata.intra_mart.solr.model.inputdocument インターフェースの adddocument メソッドにおける name パラメータを 指 します なお 2.を 用 いる 場 合 xdoc2txt.exe がイン ストールされ 正 常 に 動 作 する 環 境 が 整 っている 必 要 があります また xdoc2txt.exe は Microsoft Windows でしか 動 作 しません Page 28 Copyright 2000-2009 株 式 会 社 NTT データ イントラマート All rights Reserved.

6 API 使 用 上 の 注 意 点 1., 2.のいずれを 用 いる 場 合 であっても パスワードで 保 護 された Excel ファイルからテキストを 抽 出 すること はできません Zip アーカイブ nd_solrclient は ZIP アーカイブ 内 に 含 まれる 各 ファイルから テキストを 抽 出 します また 同 時 に 各 ファ イルの 名 前 自 体 も 抽 出 したテキストに 加 えます ZIP アーカイブ 内 のファイルの 名 前 は Windows-31J(いわゆる Shift_JIS)によりエンコードされ ZIP に 記 録 されているものとみなされます 日 本 語 Windows で 作 成 された ZIP ファイルでは この 仮 定 はほぼ 正 しいものです もし ZIP アーカイブ 内 のファイル 名 が Windows-31J でエンコードされていない 場 合 抽 出 されたテキスト に 文 字 化 けが 発 生 します ただし 文 字 化 けが 発 生 するのは ファイル 名 部 分 のみであり ファイルの 内 容 から 抽 出 されたテキストについては 影 響 がありません ZIP ファイルに 暗 号 化 されたファイルが 含 まれている 場 合 APIでは そのファイルの 名 前 のみを テキス トとして 抽 出 します なお 暗 号 化 されているかどうかを 判 別 できるのは ZIP 2.0 互 換 のアーカイブフォー マットのみです Windows が 作 成 する ZIP フォルダは 一 般 にこのフォーマットと 互 換 性 を 持 っています 作 成 者 : 株 式 会 社 NTT データ イントラマート Page 29

intra-mart IM-ContentsSearch プログラミングガイド 7 サンプルプログラム 標 準 で 提 供 している 以 下 のプログラムでは 実 際 に IntramartSolrManager クラスを 使 用 して 文 書 の 登 録 または 検 索 処 理 を 行 っています ソースコードは 弊 社 製 品 最 新 情 報 ダウンロードページ(http://www.intra-mart.jp/download/product/index.html)か ら 入 手 することができます 機 能 名 処 理 内 容 パッケージ ワークフロー クローラ 文 書 の 登 録 % im_solr-src.zip % jp.co.intra_mart.foundation.solr.crawler.bpw.* 全 文 検 索 画 面 文 書 の 検 索 % im_solr-src.zip % jp.co.intra_mart.foundation.solr.search.* ワークフロー テンプレート ワークフロー 文 書 の 業 務 テンプレート doc/imart/solr/search/template/bpw_template.jsp Page 30 Copyright 2000-2009 株 式 会 社 NTT データ イントラマート All rights Reserved.

intra-mart WebPlatform/AppFramework Ver.7.1 IM-ContentsSearch プログラミングガイド 2009/11/30 第 2 版 Copyright 2000-2009 株 式 会 社 NTT データ イントラマート All rights Reserved. TEL: 03-5549-2821 FAX: 03-5549-2816 E-MAIL: info@intra-mart.jp URL: http://www.intra-mart.jp/