Github项目推荐 | Ambar：开源的文档搜素引擎

Ambar: Document Search Engine

Site：https://ambar.cloud/ 

Ambar是一个开源文档搜索引擎，具有自动爬取、OCR、标记和即时全文搜索功能。

项目地址：

https://github.com/RD17/ambar 

Ambar定义了在工作流中实现全文文档搜索的新方法：

• 使用单个 docker-compose 文件就能轻松部署Ambar

• 在文档和图像内容中执行类似google的搜索

• Ambar支持所有流行的文档格式，如果需要的话也可以执行OCR

• 给你的文档打标签

• 使用一个简单的REST Api将Ambar集成到你的工作流中

特点

• 搜索

教程：掌握Ambar搜索查询

• 模糊搜索（John~3）

• 短语搜索（"John Smith"）

• 按作者搜索（作者：John）

• 按文件路径搜索（文件名：*.txt）

• 按日期搜索（时间：昨天，今天，上周等）

• 按大小搜索（大小> 1M）

• 按标签搜索（标签：ocr）

• 按你的输入进行搜索

• 支持的语言分析器：英语 ambar_en, 俄罗斯语 ambar_ru, 德语 ambar_de, 意大利语 ambar_it, 波兰语  ambar_pl, 中文 ambar_cn, 中日韩统一表意文字 ambar_cjk

• 爬取

Ambar 2.0仅支持本地fs抓取，如果你需要抓取FTP位置的SMB共享 —— 只需使用标准Linux工具挂载它。 爬取过程是自动的，因为爬虫会监视fs事件并自动处理新文件，所以不需要进行调度。

• 内容提取

• Ambar支持大文件提取（>30MB）

• ZIP档案

• 邮件档案（PST）

• MS Office文档（Word，Excel，Powerpoint，Visio，Publisher）

• OCR图像

• 带附件的电子邮件

• Adobe PDF（带OCR）

• OCR支持的语言：Eng，Rus，Ita，Deu（德文），Fra，Spa，Pl（波兰语），Nld（荷兰文）

• OpenOffice文档

• RTF，纯文本档案

• HTML / XHTML

• 多线程处理

安装

注意：Ambar要求在Docker运行，如果没有Docker将无法运行

请按照【安装指南】进行安装

Docker镜像请在Docker Hub上寻找

支持

Ambar是完全开源的，你可以免费使用，你也可以从我们的团队获得专门的支持，但是需要付费。具体可查看项目“Support”部分介绍。

隐私政策

License

项目遵循MIT License

点击阅读原文，可查看本文划线链接部分内容