DesktopSuchmaschine

Siehe auch: CopernicDesktopSearch, YahooDesktopSearch, Google, Metadaten, SuchMaschinen

Meine Anforderungen

Die wichtigste Funktion meines Wissensmanagements (KnowledgeManagement) ist, Dinge wiederaufzufinden, die ich schon irgendwo (auf meinem PC (oder in Papierablagen) habe.
Ich möchte möchte nun aber ganz schlicht und ergreifend in allen meinen Dateien auf meinem Notebook-Computer suchen. Für diesen Fall muss ein Index aufgebaut werden, der dann als Basis für Suchanfragen dient.

Short List Desktop Search

Copernic

Produkt "Copernic Desktop Search 1.0" http://www.copernic.com/en/products/desktop-search Windows-Oberfläche, Dateien: TXT/RTF DOC XLS, PPT, Outlook-Mail, PDF, Music, Video, Pictures (ZIP?????)

Google

Produkt "Google Desktop Search" http://desktop.google.com Dateien: TXT, DOC, XLS, PPT, Outlook-Mail (PDF nicht)

Filehand

Produkt "FilehandSearch 2.0" http://www.filehand.com Oberfläche: Windows, Dateien: TXT, DOC, XLS, PPT, PDF, MP3 (ZIP???)

SWISH-E

http://www.swish-e.org

Wilbur

Produkt "Wilbur 2.2" http://wilbur.redtree.com Oberfläche: Windows,...

X1 Technologies

Produkt "X1Search" http://www.x1.com Oberfläche: Windows, ....

X-Dot

Produkt "x-friend 0.2" http://www.x-friend.de Browser-Oberfläche, Java-basiert, verwendet Apache-Lucene, Dateien: TXT, DOC, XLS, PPT, PDF, IMAP E-Mail, MP3 ID3 Tag, Bilder, ZIP-Archive,...

Yahoo Desktop Search

Yahoo hat sich mit X1Search zusammen getan und eine bessere Oberfläche geschaffen. Überragender Pluspunkt bleibt die Viewer-Technologie von X1Search (ex Magellan) YahooDesktopSearch

Meine Bewertung

Produkt/Klasse	Pro	Contra
CopernicDesktopSearch 1.0 Desktop-Indexer	Dokumenten-Preview On-the-fly indexing Kleiner Index (Beispiel: 662MB/34MB)	E-Mail nur Outlook, nicht IMAP/POP3 Indiziert nicht den Inhalt von ZIP-Archiven!!!
dtSearch	Selbsttragende CD-Indizierung	teuer
Filehand 2.0	Windows-Oberfläche	Inhalte von ZIP-Archiven werden nicht indiziert
Google		PDF nicht indiziert Nocht nicht fertig (Beta)
htDig Website-Indexer	Bestandteil der Linux SuSE Edition	CGI-Binary muss kompiliert werden (Cygwin)
mnogoserach
PerlfectSearch Website-Indexer	Plattformen Linux/Windows durch Perl Internationalisierung durch i18n Website-Indexer	PDF und Word durch Third-Party-Zusätze
Wilbur 2.2 Desktop-Indexer	Inhalte von ZIP-Archiven werden indiziert CD-ROM Indexing QuickView support Freeware	PDF und Thunderbird-Email wird indexiert Word und PowerPoint werden nicht indexiert. Kein Document Preview, aber Integration mit QuickView
X1Search 04.09 Desktop-Indexer	Inhalte von ZIP-Archiven werden indiziert Dokument-Preview integriert Guter PowerPoint-Preview	teuer: $99 Thunderbird-Email wird nicht indiziert Im PPT-Preview wird nicht mit Autoscroll auf "first occurance" positioniert
x-friend 0.2 Desktop-Indexer	Plattformunabhägig durch Java Beliebiger WebBrowser Gut passend zur meiner Architektur (Java, WebBrowser, Apache Lucene, IMAP...) E-Mail IMAP Selbsttragende CD-Indizierung	Inhalte von ZIP-Archiven werden nicht indiziert PowerPoint PPT wird nicht indiziert POP3-Email wird nicht indiziert Preview von der Ansichsgrösse nicht einstellbar Sehr schlichter PPT Preview

Meine Lösungsauswahl

Für das russische mnogoserach spricht die Verwendung von PHP für die Search-Funktion.

Allerdings wird ein modifiziertes PHP benutzt, das man sich selbst durch Compilation erzeugen muss. Da die Lösung bei einfachen Providern laufen soll, scheidet diese Variante aus.

Für die Variante ht://Dig spricht:

• Die sehr grosse Verbreitung und damit eine Sicherheit für eine mittelfristig gesicherte Nutzung
• ht://Dig wird als Bestandteil der SuSE 8.0 Edition mit ausgeliefert (binary)
• Eine Compilation unter Win98 mit Cygwin war auf Anhieb erfolgreich.

Nachteil bei ht://Dig ist nachwievor, dass die Such-Oberfläche als CGI-Executable realisiert ist. Nicht jeder Web-Hosting-Provider lässt "freie CGIs" zu.

Die Auswahl fiel trotzdem auf HtDig, da die Ausgereiftheit und Mächtigkeit der Funktionen sowie die solide Community einfach überzeugen. Der Nachteil der CGI-Suchoberfläche wird im Sinnne der Architektur in Kauf genommen, mit der Idee, dafür im Laufe der Zeit einen Austausch vorzunehmen. Die Idee ist, eine PHP-Suchoberfläche entweder direkt auf die Berkely-DB2-Datenbank zu setzten, oder die DB2 auf MySQL zu konvertieren und dann eine PHP-Oberfläche darauf zu setzen.

Mehr Komfort: Enfish oder Copernic oder X1Search

Enfish 6.1 und Copernic bestechen durch sehr elegante Windows-Oberflächen. Allerdings ist die Funktionalität von Copernic nicht ausreichend und Enfish 6.1, das sehr mit seiner Lotus-Notes-Email-Indexierung lockt, ist viel zu teuer. Es bleibt X1Search, das zwar nicht so elegant aussieht, aber durch solide Funktionalität überzeugt.

---

Indizieren: Was soll, was soll nicht indiziert werden

Da das aufbauen und Aktualisieren eines solchen Index erstens Zeit kostet und zweitens Platz kostet, loht es sich zu überlegen, welche Datei-Typen man wirklich indizieren will und welche man nicht indizieren will.

Postiv (sollen indiziert werden)

Zur Konfiguration von Indexern (Teil einer Suchmaschinen-Archtektur) benötigt man MIME-Types und Parser für jeden MIME-Type:

Extension	MIME Type	Parser
.dbf	application/dbase application/x-dbase	?
.doc	application/msword	catdoc aus: http://freshmeat.net/projects/catdoc/
.pdf	application/pdf	pdftotext.exe aus XPDF: http://www.foolabs.com/xpdf/
.rtf	application/rtf	?
.xls	application/vnd.ms-excel	catdoc aus: http://freshmeat.net/projects/catdoc/
.ppt	application/vnd.ms-powerpoint	?
.html	text/html	OK
.htm	text/htm	OK
.svg	image/svg+xml	?
.txt	text/plain	OK
.vsd	application/vnd.visio	Visio
.xml	text/xml application/XML	?
.xsl	?	?
.zip	application/zip	?

Negativ (sollen nicht indiziert werden)

• *.bak
• *.dbs
• *.dl_
• *.do_
• *.dsk
• *.ex_
• *.e2_
• *.ndx
• *.ffx (löschen)
• *.ffo (löschen)
• *.ffl (löschen)
• *.ffa (löschen)
• *.pqi
• *.z

-- Dkracht 21:47, 3 July 2011 (CEST)