Shinsuke Sugaya
shins****@yahoo*****
2010年 10月 12日 (火) 09:02:54 JST
菅谷です。 いえいえ、RTF形式について勉強になりました。 S2RobotでOpenOfficeを利用したテキスト抽出を 考えていまして、一太郎とかはそれ経由でやれば よいかと思っていました。考えてみたものの、今のところ、 ROBOT-7の作業をする予定はない感じです(おそらく、 これを求められるような案件が発生しない限り、 私はやらないと思います…)。 https://www.seasar.org/issues/browse/ROBOT-7 shinsuke 2010年10月12日1:02 Kunihiko Kanou <lvisd****@gmail*****>: > 加納です。 > > ご対応ありがとうございます。 > > はてなダイアリーを拝見しました。 > 大変な手間だったようで。。 > 申し訳ありません。 > > とても言い出しにくいのですが、質問があります。 > （実は、こちらが本題だったのですが、、先に言えば良かったです。） > > 【質問事項】 > S2Robot（または、Apache Tika）に > 一太郎形式（*.jtd,*jbw...etc）を対応させることは可能でしょうか。 > > 【経緯】 > 上記対処を行うことは（少なくともすぐには）難しいだろうと考え、 > 一太郎形式（*.jtd）をFessのファイルクロールに対応させるため、 > word形式で事前に保存しておくことで回避していました。 > > ①一太郎のWord変換機能を使用した場合 > > ・「Word 97-2003 & 6.0/95 -RTF (*.doc)」で保存される。 > ・カレントシートのみが変換対象となるため、win32oleの操作で、 > 存在するシート数分、処理を行う必要がある。 > > ※「jt.pl（namazuのテキストフィルタ）」の処理イメージ > > http://www10.plala.or.jp/miyazawa/namazu/jtdidx.html > > ②MS-Wordの一太郎変換機能を使用した場合 > > ・「Microsoft Word 97-2003 文書」で保存することができる。 > ・Wordにはシートの概念が無いため、カレントシートのみが変換対象となる。 > （複数シートがある場合は、変換不可の模様。） > > 上記実装を当初、vbscriptからwin32oleを操作して頑張っていました。 > （現在は、別の対処を行っています。 > 別メールで、機能リクエストをさせていただきます。） > > 以上、よろしくお願い致します > > 2010年10月10日10:47 Shinsuke Sugaya <shins****@yahoo*****>: >> 菅谷です。 >> >> だいぶ時間が経過してしまいましたが、Apache Tikaに >> 対してパッチを送りましたので、それが適用されれば >> Fess 4.0 では最新のTikaを利用することで本件の対応と >> したいと思います(取り込まれなければ独自に修正します)。 >> ですので、Fess 4.0 では修正されている予定です。 >> よろしくお願いいたします。 >> >> shinsuke >> >> >> 2010年8月10日10:16 Shinsuke Sugaya <shins****@yahoo*****>: >>> 菅谷です。 >>> >>> 情報をありがとうございます。 >>> Shift_JIS で扱われているためと思われます。 >>> 対策を検討したいと思います。 >>> >>> shinsuke >>> >>> >>> 2010年8月9日23:30 <lvisd****@gmail*****>: >>>> お世話になります。 >>>> 加納です。 >>>> >>>> rtfドキュメントに対して、 >>>> ファイルシステムクロールしたところ、 >>>> "digest"が文字化けするようです。 >>>> >>>> 【solr admin検索結果】 >>>> >>>> 「Microsoft Word 97-2003 文書」 >>>> <str name="cache">test TEST テスト てすと</str> >>>> <str name="digest">...test TEST テスト てすと</str> >>>> <str name="mimetype">application/msword</str> >>>> <str name="site">c:\docs\rtf\test.doc</str> >>>> >>>> ⇒OK >>>> >>>> 「Word 97-2003 & 6.0/95 -RTF (*.doc)」 >>>> <str name="cache">test TEST ƒ e ƒ X ƒ g ‚ Ä ‚ · ‚ Æ</str> >>>> <str name="digest">...test TEST ƒ e ƒ X ƒ g ‚ Ä ‚ · ‚ Æ</str> >>>> <str name="mimetype">application/msword</str> >>>> <str name="site">c:\docs\rtf\test_rtf.doc</str> >>>> >>>> ⇒NG >>>> >>>> 「リッチ テキスト形式 (RTF) 文書」 >>>> <str name="cache">test TEST ƒ e ƒ X ƒ g ‚ Ä ‚ · ‚ Æ</str> >>>> <str name="digest">...test TEST ƒ e ƒ X ƒ g ‚ Ä ‚ · ‚ Æ</str> >>>> <str name="mimetype">application/rtf</str> >>>> <str name="site">c:\docs\rtf\test.rtf</str> >>>> >>>> ⇒NG >>>> >>>> 【利用環境】 >>>> OS：WindowsXP-SP3 >>>> Java：1.6.0_20 >>>> fess：3.1.1/3.1.3（SNAPSHOT） >>>> MS-WORD：2002/2003 >>>> >>>> 以下のサイトで紹介されているように、 >>>> Wordから出力されるRTFの文字列が、 >>>> Unicode化されていないのが原因でしょうか？ >>>> >>>> 【参考】 >>>> <http://a-gamyl.hp.infoseek.co.jp/Java/RTFio/RTFio_java.html> >>>> >>>> 以上、よろしくお願い致します。 >>>> _______________________________________________ >>>> Fess-user mailing list >>>> Fess-****@lists***** >>>> http://lists.sourceforge.jp/mailman/listinfo/fess-user >>>> >>>> >>> >> _______________________________________________ >> Fess-user mailing list >> Fess-****@lists***** >> http://lists.sourceforge.jp/mailman/listinfo/fess-user >> > _______________________________________________ > Fess-user mailing list > Fess-****@lists***** > http://lists.sourceforge.jp/mailman/listinfo/fess-user >
