Zend_Search_Lucene-Overview.xml 29 KB

123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161162163164165166167168169170171172173174175176177178179180181182183184185186187188189190191192193194195196197198199200201202203204205206207208209210211212213214215216217218219220221222223224225226227228229230231232233234235236237238239240241242243244245246247248249250251252253254255256257258259260261262263264265266267268269270271272273274275276277278279280281282283284285286287288289290291292293294295296297298299300301302303304305306307308309310311312313314315316317318319320321322323324325326327328329330331332333334335336337338339340341342343344345346347348349350351352353354355356357358359360361362363364365366367368369370371372373374375376377378379380381382383384385386387388389390391392393394395396397398399400401402403404405406407408409410411412413414415416417418419420421422423424425426427428429430431432433434435436437438439440441442443444445446447448449450451452453454455456457458459460461462463464465466467468469470471472473474475476477478479480481482483484485486487488489490491492493494495496497498499500501502503504505506507508509510511512513514515516517518519520521522523524525526527528529530531532533534535536537538539540541542543544545546547548549550551552553554555556557558559560561562563564565566567568569570571572573574575576577578579580581582583584585586587588589590591592593594595596597598599600601602603604605606607608609610611612613614615616617618619620621
  1. <?xml version="1.0" encoding="UTF-8"?>
  2. <!-- EN-Revision: 24249 -->
  3. <!-- Reviewed: no -->
  4. <sect1 id="zend.search.lucene.overview">
  5. <title>Vue d'ensemble</title>
  6. <sect2 id="zend.search.lucene.introduction">
  7. <title>Introduction</title>
  8. <para>
  9. <classname>Zend_Search_Lucene</classname> est un moteur de recherche de contenus
  10. principalement textuels écrit entièrement en <acronym>PHP</acronym> 5. Comme il stocke ses index sur le
  11. système de fichiers et qu'il ne requiert pas de base de données, il peut offrir des
  12. fonctionnalités de recherche à presque n'importe quel site écrit en <acronym>PHP</acronym>.
  13. <classname>Zend_Search_Lucene</classname> dispose des caractéristiques suivantes :
  14. <itemizedlist>
  15. <listitem>
  16. <para>
  17. "Ranked searching" - les meilleurs résultats sont retournés en
  18. premier.
  19. </para>
  20. </listitem>
  21. <listitem>
  22. <para>
  23. Plusieurs puissants types de requêtes : phrase, booléen, joker (wildcard),
  24. proximité, intervalle et bien d'autres.
  25. </para>
  26. </listitem>
  27. <listitem>
  28. <para>Recherche par champ spécifique (p. ex. titre, auteur, contenus)</para>
  29. </listitem>
  30. </itemizedlist> <classname>Zend_Search_Lucene</classname> est dérivé du projet
  31. Apache Lucene. Les versions actuelles de format d'index Lucene supportées (à partir de
  32. Zend Framework 1.6) sont 1.4 à 2.3. Pour plus d'informations sur Lucene, rendez-vous sur
  33. <ulink url="http://lucene.apache.org/java/docs/"></ulink>.
  34. </para>
  35. <note>
  36. <title></title>
  37. <para>
  38. Les implémentations précédentes de <classname>Zend_Search_Lucene</classname>
  39. supportent les formats d'indexation Lucene 1.4 (1.9) à 2.1.
  40. </para>
  41. <para>
  42. A partir de Zend Framework 1.5, tout index créé en utilisant une version
  43. antérieure à la 2.1 et automatiquement mis à niveau au format Lucene 2.1 après la
  44. mise à jour de <classname>Zend_Search_Lucene</classname> et ne sera pas compatible
  45. avec les implémentations de <classname>Zend_Search_Lucene</classname> incluses dans
  46. Zend Framework 1.0.x.
  47. </para>
  48. </note>
  49. </sect2>
  50. <sect2 id="zend.search.lucene.index-creation.documents-and-fields">
  51. <title>Objet "Document" et "Field"</title>
  52. <para>
  53. <classname>Zend_Search_Lucene</classname> travaille avec des documents comme
  54. objets de base pour l'indexation. Un document est divisé en champs possédant un nom et
  55. du contenu dans lequel on pourra chercher.
  56. </para>
  57. <para>
  58. Un document est représenté par la classe
  59. <classname>Zend_Search_Lucene_Document</classname>. Les objets de cette classe
  60. contiennent des instances de <classname>Zend_Search_Lucene_Field</classname> qui
  61. représentent les champs du document.
  62. </para>
  63. <para>
  64. Il est important de noter que n'importe quelle information peut être ajoutée à
  65. l'index. Des informations propres à l'application ou des métadonnées peuvent être
  66. stockées dans le document, puis récupérées durant la recherche.
  67. </para>
  68. <para>
  69. Il est de la responsabilité de votre application de gérer l'indexation. Cela
  70. signifie que les données peuvent être indexées depuis n'importe quelle source accessible
  71. par votre application. Par exemple, elles peuvent provenir du système de fichier, d'une
  72. base de données, d'un formulaire HTML, etc.
  73. </para>
  74. <para>
  75. La classe <classname>Zend_Search_Lucene_Field</classname> fournit plusieurs
  76. méthodes statiques pour créer des champs avec différentes caractéristiques :
  77. </para>
  78. <programlisting language="php"><![CDATA[
  79. $doc = new Zend_Search_Lucene_Document();
  80. // Le champ n'est pas "tokenizé", mais il est indexé et stocké dans l'index.
  81. // Les champs stockés peuvent être récupéré depuis l'index.
  82. $doc->addField(Zend_Search_Lucene_Field::Keyword('doctype',
  83. 'autogenerated'));
  84. // Le champ n'est ni "tokenizé", ni indexé, mais il est stocké dans l'index.
  85. $doc->addField(Zend_Search_Lucene_Field::UnIndexed('created',
  86. time()));
  87. // Un champ chaîne binaire qui n'est ni "tokenizé", ni indexé, mais
  88. // stocké dans l'index.
  89. $doc->addField(Zend_Search_Lucene_Field::Binary('icon',
  90. $iconData));
  91. // Un champ "tokenizé", indexé et stocké dans l'index.
  92. $doc->addField(Zend_Search_Lucene_Field::Text('annotation',
  93. 'Document annotation text'));
  94. // Un champ "tokenizé" et indexé, mais pas stocké dans l'index.
  95. $doc->addField(Zend_Search_Lucene_Field::UnStored('contents',
  96. 'My document content'));
  97. ]]></programlisting>
  98. <para>
  99. Chacune de ces méthodes (à l'exception de
  100. <methodname>Zend_Search_Lucene_Field::Binary()</methodname>) possède un paramètre
  101. optionnel <varname>$encoding</varname> servant à spécifier l'encodage de la chaîne
  102. entrée.
  103. </para>
  104. <para>
  105. L'encodage peut différer par document, voire par champ au sein d'un même document
  106. : <programlisting language="php"><![CDATA[
  107. $doc = new Zend_Search_Lucene_Document();
  108. $doc->addField(Zend_Search_Lucene_Field::Text('title',
  109. $title,
  110. 'iso-8859-1'));
  111. $doc->addField(Zend_Search_Lucene_Field::UnStored('contents',
  112. $contents,
  113. 'utf-8'));
  114. ]]></programlisting></para>
  115. <para>
  116. Si le paramètre d'encodage est omis, la locale courante est alors utilisée pour le
  117. déterminer à l'exécution. Par exemple : <programlisting language="php"><![CDATA[
  118. setlocale(LC_ALL, 'de_DE.iso-8859-1');
  119. ...
  120. $doc->addField(Zend_Search_Lucene_Field::UnStored('contents', $contents));
  121. ]]></programlisting></para>
  122. <para>
  123. Les champs sont toujours stockés et retournés depuis l'index en UTF-8. Toute
  124. conversion requise vers UTF-8 est effectuée automatiquement.
  125. </para>
  126. <para>
  127. Les analyseurs de texte (<link
  128. linkend="zend.search.lucene.extending.analysis">voir plus bas</link>) peuvent également
  129. convertir du texte vers d'autres encodages. Actuellement, l'analyseur par défaut
  130. convertit le texte au format "ASCII/TRANSLIT". Soyez prudent, cependant; cette
  131. conversion peut déprendre de la locale.
  132. </para>
  133. <para>
  134. Le nom des champs est défini par vous dans la méthode
  135. <methodname>addField()</methodname>.
  136. </para>
  137. <para>
  138. Java Lucene utilise le champ "contents" comme champ de recherche par défaut.
  139. <classname>Zend_Search_Lucene</classname> cherche par défaut dans tous les champs. Cela
  140. dit, ce comportement est configurable. Consultez le chapitre <link
  141. linkend="zend.search.lucene.query-language.fields">"Champ de recherche par
  142. défaut"</link> pour plus de détails.
  143. </para>
  144. </sect2>
  145. <sect2 id="zend.search.lucene.index-creation.understanding-field-types">
  146. <title>Comprendre les types de champs</title>
  147. <itemizedlist>
  148. <listitem>
  149. <para>
  150. Les champs <code>Keyword</code> (mot-clé) sont stockés ET indexés. Cela
  151. signifie qu'ils peuvent être aussi bien cherchés dans l'index qu'affichés dans
  152. les résultats de la recherche. Ils ne sont pas divisés en plusieurs mots par
  153. "tokenization". Les champs d'énumérations dans une base de donnée se transposent
  154. généralement assez bien en champs de type Keyword dans
  155. <classname>Zend_Search_Lucene</classname>.
  156. </para>
  157. </listitem>
  158. <listitem>
  159. <para>
  160. Les champs <code>UnIndexed</code> (non-indexé) ne peuvent pas être
  161. utilisés dans la recherche. En revanche, ils peuvent être retournés dans les
  162. résultats. Des timestamps de base de données, des clés primaires, des chemins de
  163. fichiers et d'autres identifiants externes sont autant de bons exemples
  164. d'utilisation des champs de type UnIndexed.
  165. </para>
  166. </listitem>
  167. <listitem>
  168. <para>
  169. Les champs <code>Binary</code> (binaire) ne sont ni "tokenizés", ni
  170. indexés, mais ils sont stockés dans le but d'être retournés dans les résultats
  171. de recherche. Ils peuvent être utilisés pour stocker n'importe quelle donnée
  172. encodée en chaîne binaire, telle qu'une icône par exemple.
  173. </para>
  174. </listitem>
  175. <listitem>
  176. <para>
  177. Les champs <code>Text</code> (texte) sont stockés, indexés et "tokenizés".
  178. Les champs de type Text sont appropriés pour stocker des informations telles que
  179. sujets et titres sur lesquels on veut pouvoir effectuer des recherches, mais
  180. également les utiliser dans l'affichage des résultats.
  181. </para>
  182. </listitem>
  183. <listitem>
  184. <para>
  185. Les champs <code>UnStored</code> sont "tokenizés" et indexés, mais pas
  186. stockés dans l'index. Il est recommandé d'utiliser ce type de champ pour indexer
  187. les textes conséquents. Stocker des données implique la création d'index plus
  188. volumineux sur le disque. Donc si vous disposez de données sur lesquelles vous
  189. voulez uniquement effectuer des recherches sans nécessairement afficher ces
  190. données dans les résultats, utilisez un champ de type UnStored. Le type UnStored
  191. est pratique lorsque vous utilisez un index Zend_Search_Lucene en combinaison
  192. avec une base de données relationnelle. Vous pouvez indexer des gros champs de
  193. données dans des champs de type UnStored et les extraire de la base de données
  194. relationnelle en utilisant un champ séparé en tant qu'identifiant.
  195. </para>
  196. <table id="zend.search.lucene.index-creation.understanding-field-types.table">
  197. <title>Les types Zend_Search_Lucene_Field</title>
  198. <tgroup cols="5">
  199. <thead>
  200. <row>
  201. <entry>Type de champ</entry>
  202. <entry>Stocké</entry>
  203. <entry>Indexé</entry>
  204. <entry>"Tokenizé"</entry>
  205. <entry>Binaire</entry>
  206. </row>
  207. </thead>
  208. <tbody>
  209. <row>
  210. <entry>Keyword</entry>
  211. <entry>Oui</entry>
  212. <entry>Oui</entry>
  213. <entry>Non</entry>
  214. <entry>Non</entry>
  215. </row>
  216. <row>
  217. <entry>UnIndexed</entry>
  218. <entry>Oui</entry>
  219. <entry>Non</entry>
  220. <entry>Non</entry>
  221. <entry>Non</entry>
  222. </row>
  223. <row>
  224. <entry>Binary</entry>
  225. <entry>Oui</entry>
  226. <entry>Non</entry>
  227. <entry>Non</entry>
  228. <entry>Oui</entry>
  229. </row>
  230. <row>
  231. <entry>Text</entry>
  232. <entry>Oui</entry>
  233. <entry>Oui</entry>
  234. <entry>Oui</entry>
  235. <entry>Non</entry>
  236. </row>
  237. <row>
  238. <entry>UnStored</entry>
  239. <entry>Non</entry>
  240. <entry>Oui</entry>
  241. <entry>Oui</entry>
  242. <entry>Non</entry>
  243. </row>
  244. </tbody>
  245. </tgroup>
  246. </table>
  247. </listitem>
  248. </itemizedlist>
  249. </sect2>
  250. <sect2 id="zend.search.lucene.index-creation.html-documents">
  251. <title>Documents HTML</title>
  252. <para>
  253. <classname>Zend_Search_Lucene</classname> offre une fonctionnalité d'analyse HTML.
  254. Les documents peuvent être créés directement à d'un fichier ou d'une chaîne HTML :
  255. <programlisting language="php"><![CDATA[
  256. $doc = Zend_Search_Lucene_Document_Html::loadHTMLFile($filename);
  257. $index->addDocument($doc);
  258. ...
  259. $doc = Zend_Search_Lucene_Document_Html::loadHTML($htmlString);
  260. $index->addDocument($doc);
  261. ]]></programlisting></para>
  262. <para>
  263. La classe <classname>Zend_Search_Lucene_Document_Html</classname> utilise les
  264. méthodes <methodname>DOMDocument::loadHTML()</methodname> et
  265. <methodname>DOMDocument::loadHTMLFile()</methodname> pour analyser la source HTML, ainsi il n'est
  266. pas nécessaire que le HTML soit bien formé ou au format <acronym>XHTML</acronym>. Par contre, ces méthodes
  267. prennent en compte l'encodage spécifié dans la balise méta "http-equiv".
  268. </para>
  269. <para>
  270. La classe <classname>Zend_Search_Lucene_Document_Html</classname> reconnaît le
  271. titre d'une page HTML, son corps ("body"), ainsi que les métadonnées de son
  272. entête.
  273. </para>
  274. <para>
  275. Le champ "title" correspond au contenu de la balise /html/head/title. Il est
  276. stocké dans l'index, "tokenizé" et disponible pour la recherche.
  277. </para>
  278. <para>
  279. Le champ "body" correspond au contenu de la balise "body" du fichier ou de la
  280. chaîne HTML. Il ne prend pas en compte les scripts, les commentaires ou les
  281. attributs.
  282. </para>
  283. <para>
  284. Les méthodes <methodname>loadHTML()</methodname> et <methodname>loadHTMLFile()</methodname> de la classe
  285. <classname>Zend_Search_Lucene_Document_Html</classname> possèdent également un deuxième
  286. argument optionnel. Si sa valeur est true, le body sera alors stocké dans l'index et
  287. pourra être retourné dans les résultats de recherche. Par défaut, le body est
  288. "tokenizé", indexé, mais pas stocké.
  289. </para>
  290. <para>
  291. The third parameter of <methodname>loadHTML()</methodname> and <methodname>loadHTMLFile()</methodname> methods
  292. optionally specifies source HTML document encoding. It's used if encoding is not
  293. specified using Content-type HTTP-EQUIV meta tag.
  294. </para>
  295. <para>
  296. Les autres métadonnées génèrent des champs additionnels dans le document. Le champ
  297. "name" prend sa valeur dans l'attribut "name" de la métadonnées. Le champ "value" prend
  298. sa valeur dans l'attribut "content" de la métadonnées. Ces deux champs sont "tokenizés",
  299. indexés et stockés. Ainsi les documents peuvent être cherchés à travers leurs
  300. métadonnées (p. ex. par mots-clés).
  301. </para>
  302. <para>
  303. Les documents analysés peuvent être enrichis par le programmeur avec d'autres
  304. champs : <programlisting language="php"><![CDATA[
  305. $doc = Zend_Search_Lucene_Document_Html::loadHTML($htmlString);
  306. $doc->addField(Zend_Search_Lucene_Field::UnIndexed('created',
  307. time()));
  308. $doc->addField(Zend_Search_Lucene_Field::UnIndexed('updated',
  309. time()));
  310. $doc->addField(Zend_Search_Lucene_Field::Text('annotation',
  311. 'Document annotation text'));
  312. $index->addDocument($doc);
  313. ]]></programlisting></para>
  314. <para>
  315. Les liens des documents ne sont pas inclus dans le document généré, mais ils
  316. peuvent être récupérés avec les méthodes
  317. <methodname>Zend_Search_Lucene_Document_Html::getLinks()</methodname> et
  318. <methodname>Zend_Search_Lucene_Document_Html::getHeaderLinks()</methodname> :
  319. <programlisting language="php"><![CDATA[
  320. $doc = Zend_Search_Lucene_Document_Html::loadHTML($htmlString);
  321. $linksArray = $doc->getLinks();
  322. $headerLinksArray = $doc->getHeaderLinks();
  323. ]]></programlisting></para>
  324. <para>
  325. A partir de Zend Framework 1.6, il est également possible d'exclure les balises
  326. "link" dont l'attribut <code>rel</code> vaut <code>'nofollow'</code>. Utilisez
  327. <methodname>Zend_Search_Lucene_Document_Html::setExcludeNoFollowLinks($true)</methodname>
  328. pour activer cette option.
  329. </para>
  330. <para>
  331. La méthode
  332. <methodname>Zend_Search_Lucene_Document_Html::getExcludeNoFollowLinks()</methodname>
  333. retourne la valeur courante du flag "Exclude nofollow links".
  334. </para>
  335. </sect2>
  336. <sect2 id="zend.search.lucene.index-creation.docx-documents">
  337. <title>Documents Word 2007</title>
  338. <para>
  339. <classname>Zend_Search_Lucene</classname> offre une fonctionnalité d'analyse de
  340. documents Word 2007. On peut créer directement un document depuis un fichier Word 2007 :
  341. <programlisting language="php"><![CDATA[
  342. $doc = Zend_Search_Lucene_Document_Docx::loadDocxFile($filename);
  343. $index->addDocument($doc);
  344. ]]></programlisting></para>
  345. <para>
  346. La classe <classname>Zend_Search_Lucene_Document_Docx</classname> utilise la
  347. classe <code>ZipArchive</code> et les méthodes de <code>simplexml</code> pour analyser
  348. le document source. Si la classe <code>ZipArchive</code> (issue du module php_zip) n'est
  349. pas disponible, <classname>Zend_Search_Lucene_Document_Docx</classname> ne sera pas non
  350. plus disponible dans le Zend Framework.
  351. </para>
  352. <para>
  353. La classe <classname>Zend_Search_Lucene_Document_Docx</classname> reconnaît les
  354. métadonnées et le texte des documents. Les métadonnées sont constituées, suivant le
  355. contenu du document, du nom de fichier (filename), sujet (subject), créateur (creator),
  356. mots-clés (keywords), description, auteur de la dernière modification (lastModifiedBy),
  357. révision (revision), date de modification (modified), date de création (created).
  358. </para>
  359. <para>Le champ "filename" correspond au nom du fichier Word 2007.</para>
  360. <para>Le champ "title" correspond au titre du document.</para>
  361. <para>Le champ "subject" correspond au sujet du document.</para>
  362. <para>Le champ "creator" correspond à l'auteur du document.</para>
  363. <para>Le champ "keywords" contient les mots-clés du document.</para>
  364. <para>Le champ "description" correspond à la description du document.</para>
  365. <para>
  366. Le champ "lastModifiedBy" correspond au nom de l'utilisateur qui a modifié en
  367. dernier le document.
  368. </para>
  369. <para>Le champ "revision" correspond au numéro actuel de la version du document.</para>
  370. <para>Le champ "modified" contient la date de dernière modification du document.</para>
  371. <para>Le champ "created" contient la date de création du document.</para>
  372. <para>
  373. Le champ "body" contient le véritable contenu du document Word 2007. Il n'inclut
  374. que le texte normal. Les commentaires et révisions ne sont pas inclus.
  375. </para>
  376. <para>
  377. La méthode <methodname>loadDocxFile()</methodname> de la classe
  378. <classname>Zend_Search_Lucene_Document_Docx</classname> possède également un second
  379. argument optionnel. S'il est défini à <constant>TRUE</constant>, le champ "body" sera alors
  380. également stocké dans l'index et pourra être affiché dans les résultats de recherche.
  381. Par défaut, le champ "body" est "tokenizé" et indexé, mais pas stocké.
  382. </para>
  383. <para>
  384. Les documents parsés peuvent être étendus par le programmeur avec d'autres champs
  385. : <programlisting language="php"><![CDATA[
  386. $doc = Zend_Search_Lucene_Document_Docx::loadDocxFile($filename);
  387. $doc->addField(Zend_Search_Lucene_Field::UnIndexed(
  388. 'indexTime',
  389. time())
  390. );
  391. $doc->addField(Zend_Search_Lucene_Field::Text(
  392. 'annotation',
  393. 'Document annotation text')
  394. );
  395. $index->addDocument($doc);
  396. ]]></programlisting></para>
  397. </sect2>
  398. <sect2 id="zend.search.lucene.index-creation.pptx-documents">
  399. <title>Document Powerpoint 2007</title>
  400. <para>
  401. <classname>Zend_Search_Lucene</classname> offre une fonctionnalité d'analyse de
  402. documents Powerpoint 2007. On peut créer directement un document depuis un fichier
  403. Powerpoint 2007 : <programlisting language="php"><![CDATA[
  404. $doc = Zend_Search_Lucene_Document_Pptx::loadPptxFile($filename);
  405. $index->addDocument($doc);
  406. ]]></programlisting></para>
  407. <para>
  408. La classe <classname>Zend_Search_Lucene_Document_Pptx</classname> utilise la
  409. classe <code>ZipArchive</code> et les méthodes de <code>simplexml</code> pour analyser
  410. le document source. Si la classe <code>ZipArchive</code> (issue du module php_zip) n'est
  411. pas disponible, <classname>Zend_Search_Lucene_Document_Pptx</classname> ne sera pas non
  412. plus disponible dans le Zend Framework.
  413. </para>
  414. <para>
  415. La classe <classname>Zend_Search_Lucene_Document_Pptx</classname> reconnaît les
  416. métadonnées et le texte des documents. Les métadonnées sont constituées, suivant le
  417. contenu du document, du nom de fichier (filename), sujet (subject), créateur (creator),
  418. mots-clés (keywords), description, auteur de la dernière modification (lastModifiedBy),
  419. révision (revision), date de modification (modified), date de création (created).
  420. </para>
  421. <para>Le champ "filename" correspond au nom du fichier Powerpoint 2007.</para>
  422. <para>Le champ "title" correspond au titre du document.</para>
  423. <para>Le champ "subject" correspond au sujet du document.</para>
  424. <para>Le champ "creator" correspond à l'auteur du document.</para>
  425. <para>Le champ "keywords" contient les mots-clés du document.</para>
  426. <para>Le champ "description" correspond à la description du document.</para>
  427. <para>
  428. Le champ "lastModifiedBy" correspond au nom de l'utilisateur qui a modifié en
  429. dernier le document.
  430. </para>
  431. <para>Le champ "revision" correspond au numéro actuel de la version du document.</para>
  432. <para>Le champ "modified" contient la date de dernière modification du document.</para>
  433. <para>Le champ "created" contient la date de création du document.</para>
  434. <para>
  435. Le champ "body" contient le véritable contenu de toutes les slides, ainsi que les
  436. notes dans le document Powerpoint 2007.
  437. </para>
  438. <para>
  439. La méthode <methodname>loadPptxFile()</methodname> de la classe
  440. <classname>Zend_Search_Lucene_Document_Pptx</classname> possède également un second
  441. argument optionnel. S'il est défini à true, le champ "body" sera alors également stocké
  442. dans l'index et pourra être affiché dans les résultats de recherche. Par défaut, le
  443. champ "body" est "tokenizé" et indexé, mais pas stocké.
  444. </para>
  445. <para>
  446. Les documents analysés peuvent être étendus par le programmeur avec d'autres
  447. champs : <programlisting language="php"><![CDATA[
  448. $doc = Zend_Search_Lucene_Document_Pptx::loadPptxFile($filename);
  449. $doc->addField(Zend_Search_Lucene_Field::UnIndexed(
  450. 'indexTime',
  451. time()));
  452. $doc->addField(Zend_Search_Lucene_Field::Text(
  453. 'annotation',
  454. 'Document annotation text'));
  455. $index->addDocument($doc);
  456. ]]></programlisting></para>
  457. </sect2>
  458. <sect2 id="zend.search.lucene.index-creation.xlsx-documents">
  459. <title>Documents Excel 2007</title>
  460. <para>
  461. <classname>Zend_Search_Lucene</classname> offre une fonctionnalité d'analyse de
  462. documents Excel 2007. On peut créer directement un document depuis un fichier Excel 2007
  463. : <programlisting language="php"><![CDATA[
  464. $doc = Zend_Search_Lucene_Document_Xlsx::loadXlsxFile($filename);
  465. $index->addDocument($doc);
  466. ]]></programlisting></para>
  467. <para>
  468. La classe <classname>Zend_Search_Lucene_Document_Xlsx</classname> utilise la
  469. classe <code>ZipArchive</code> et les méthodes de <code>simplexml</code> pour analyser
  470. le document source. Si la classe <code>ZipArchive</code> (issue du module php_zip) n'est
  471. pas disponible, <classname>Zend_Search_Lucene_Document_Xlsx</classname> ne sera pas non
  472. plus disponible dans le Zend Framework.
  473. </para>
  474. <para>
  475. La classe <classname>Zend_Search_Lucene_Document_Xlsx</classname> reconnaît les
  476. métadonnées et le texte des documents. Les métadonnées sont constituées, suivant le
  477. contenu du document, du nom de fichier (filename), sujet (subject), créateur (creator),
  478. mots-clés (keywords), description, auteur de la dernière modification (lastModifiedBy),
  479. révision (revision), date de modification (modified), date de création (created).
  480. </para>
  481. <para>Le champ "filename" correspond au nom du fichier Excel 2007.</para>
  482. <para>Le champ "title" correspond au titre du document.</para>
  483. <para>Le champ "subject" correspond au sujet du document.</para>
  484. <para>Le champ "creator" correspond à l'auteur du document.</para>
  485. <para>Le champ "keywords" contient les mots-clés du document.</para>
  486. <para>Le champ "description" correspond à la description du document.</para>
  487. <para>
  488. Le champ "lastModifiedBy" correspond au nom de l'utilisateur qui a modifié en
  489. dernier le document.
  490. </para>
  491. <para>Le champ "revision" correspond au numéro actuel de la version du document.</para>
  492. <para>Le champ "modified" contient la date de dernière modification du document.</para>
  493. <para>Le champ "created" contient la date de création du document.</para>
  494. <para>
  495. Le champ "body" contient le véritable contenu de toutes les cellules de toutes les
  496. feuilles de calcul du document Excel 2007.
  497. </para>
  498. <para>
  499. La méthode <methodname>loadXlsxFile()</methodname> de la classe
  500. <classname>Zend_Search_Lucene_Document_Xlsx</classname> possède également un second
  501. argument optionnel. S'il est défini à true, le champ "body" sera alors également stocké
  502. dans l'index et pourra être affiché dans les résultats de recherche. Par défaut, le
  503. champ "body" est "tokenizé" et indexé, mais pas stocké.
  504. </para>
  505. <para>
  506. Les documents analysés peuvent être étendus par le programmeur avec d'autres
  507. champs : <programlisting language="php"><![CDATA[
  508. $doc = Zend_Search_Lucene_Document_Xlsx::loadXlsxFile($filename);
  509. $doc->addField(Zend_Search_Lucene_Field::UnIndexed(
  510. 'indexTime',
  511. time()));
  512. $doc->addField(Zend_Search_Lucene_Field::Text(
  513. 'annotation',
  514. 'Document annotation text'));
  515. $index->addDocument($doc);
  516. ]]></programlisting></para>
  517. </sect2>
  518. </sect1>