php - 在 PHP 和 MySQL 中组织和管理数千个 PDF 文件

Question

我正在帮助我的一位前任老师建立一个网站，他可以在该网站上与他的同事交换类文件(考试、学生练习纸等)。他亲自创建了数千个 PDF 文件，现在可供其他教师引用/使用。

其中一项主要功能是搜索功能，允许用户搜索特定文件。由于文档太多，我们需要想出一种有效的方法来搜索所有文档。

我想到了几种方法:

a) 手动分配每个 PDF 文件 5-10 个关键字，并将它们与文件的元数据一起保存在 MySQL 数据库中。用户将搜索这些关键字，而不是直接搜索 PDF 的内容。

b) 使用某种逻辑以编程方式提取 10-20 个最常用的关键字，并将它们与文件的元数据一起保存在 MySQL 数据库中。在我看来，这是比 a) 更好的方法。

c) 使用 file_get_contents 提取大部分/所有 PDF 文件文本内容，并将这些内容与文件的元数据一起保存在 MySQL 数据库中。用户现在能够对实际文本内容本身执行搜索。在我看来，这是最好的方法。

d) 我没有提到的任何其他方法？

我不确定这些方法的可行性(即 c 是否会消耗大量服务器端资源？事实上，我们将筛选数千个数据库行，每行提取文本内容中的数百个单词。

我希望你能给我一些建议，看看我是否走在正确的轨道上，以及你认为最好的方法是什么。非常感谢!

Answer 1

方法 (a) 是您的答案(在我看来)。搜索所有文件内容在实践中是不可行的。提取 10-20 个最常用的词只会误导您的搜索，因为零保证这些词在描述它们来自的文档时有意义。提取大部分文本可能很有用，但搜索速度会慢很多，而且与使用关键字的搜索相比，它是否会使搜索更好或更差，这并无定论。

撇开一切不谈，这主要是基于意见。没有正确或错误的方法来解决这个问题，方法 (a) 对我来说最有意义。