在SQL Server 2005中使用全文搜索来搜索PDF文件

Question

我在SQL Server 2005中索引PDF文件时遇到了奇怪的问题，希望有人能帮忙解决。我的数据库有一个名为MediaFile的表，包含以下字段：MediaFileId int identity pk，FileContent image和FileExtension varchar(5)。我的Web应用程序可以将文件内容存储在该表中，doc、xls等文件的全文搜索也没有问题，唯一不能正常工作的是PDF文件。当在该表上执行全文搜索时，对于我知道存在于保存在该表中的PDF文件中的单词，这些文件不会出现在搜索结果中。

操作系统为Windows Server 2003 SP2，并已安装Adobe iFilter 6.0。按照此博客文章的说明，我执行了以下命令：

exec sp_fulltext_service 'load_os_resources', 1;
exec sp_fulltext_service 'verify_signature', 0;

接着，我重启了 SQL Server，并通过执行以下命令验证 PDF 扩展的 iFilter 是否正确安装：

select document_type, path from sys.fulltext_document_types where document_type = '.pdf' 

这将返回以下信息，看起来正确：

文档类型：.pdf
路径：C:\Program Files\Adobe\PDF IFilter 6.0\PDFFILT.dll

然后我重新创建了MediaFile表的索引，选择FileContent作为要索引的列，FileExtension作为其类型。向导创建索引并成功完成。为了测试，我执行了以下搜索：

SELECT MediaFileId, FileExtension FROM MediaFile WHERE CONTAINS(*, '"house"');

这会返回包含该词的DOC文件，但不包括任何PDF文件，尽管我知道表格中肯定有包含“house”一词的PDF文件。

顺便说一下，我曾经让上面的搜索正确返回了PDF文件，但后来又停止工作了，原因不明。

有什么想法可以阻止SQL Server 2005索引PDF文件，即使已安装Adobe iFilter并且似乎已加载？

- Mun

Answer 1

感谢Ivan。最终我通过从头开始操作成功了。似乎操作顺序很重要，链接博客中提到的在加载iFilter后关闭'load_os_resources'设置可能不是最佳选择，因为这会导致SQL Server重新启动时iFilter无法加载。

如果我没记错，最终对我起作用的步骤顺序如下：

1. 确保表格没有索引（如果有，删除它） 2. 安装Adobe iFilter 3. 执行命令exec sp_fulltext_service 'load_os_resources', 1; 4. 执行命令exec sp_fulltext_service 'verify_signature', 0; 5. 重新启动SQL Server 6. 验证PDF iFilter已安装 7. 在表格上创建全文索引 8. 进行完整重新索引

虽然这样做奏效了，但我相当确定在最终成功之前进行了几次这些步骤。

- Mun

---

如何操作：1.) 如何通过编程验证PDF iFilter是否已安装？2.) 如何通过编程创建全文索引？3.) 如何通过编程进行完整重新索引？ - Kiquenet

Answer 2

我刚刚花了一个小时努力解决它，但最终让它工作了。我做了你所做的一切，所以尝试简化查询（我用字段名替换了*并删除了术语中的双引号）：

SELECT MediaFileId, FileExtension FROM MediaFile WHERE CONTAINS(FileContent, 'house')

当你创建全文索引时，确保指定语言。最后一件事是，也许你可以尝试将字段类型从Image更改为varbinary(MAX)。

- Ivan