文档建议反馈控制台
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
发布
社区首页 >问答首页 >使用Datafari从图像中搜索元数据

问使用Datafari从图像中搜索元数据
EN

Stack Overflow用户
提问于 2015-03-29 10:11:04
回答 2查看 984关注 0票数 0

我正在寻找一个开放源码的文档管理系统，以索引所有类型的文件(文本: pdf，doc.，图片jpg，png，bmp.，视频mov，mp4.)我偶然发现了达塔法里

它使用Solr搜索引擎和ManifoldCF来管理内容存储库连接，并使用Tika连接器来帮助搜索元数据。

我安装了它，我正在尝试做这个设置，以便让它在元数据条件上搜索图像，但是到目前为止还没有结果。

我添加了一个带有一些元数据的映像的本地存储库：

代码语言：javascript
复制
<?xml version="1.0" encoding="UTF-8"?><html xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta name="Artist" content="tarzan"/>
<meta name="date" content="2015-03-28T09:47:45"/>
<meta name="Print flags information" content="0 1 0 0 0 0 0 0 0 2"/>
<meta name="Slices" content="zebre (0,0,500,500) 1 Slices"/>
<meta name="ICC Untagged Profile" content="1"/>
<meta name="Compression Type" content="Baseline"/>
<meta name="subject" content="legs"/>
<meta name="subject" content="mammal"/>
<meta name="Image Description" content="this kind of animal is hard to see behind bar"/>
<meta name="Thumbnail Compression" content="JPEG (old-style)"/>
<meta name="Print flags" content="0 0 0 0 0 0 0 0 1"/>
<meta name="By-line" content="tarzan"/>
<meta name="Number of Components" content="3"/>
<meta name="Component 2" content="Cb component: Quantization table 1, Sampling factors 1 horiz/1 vert"/>
<meta name="Component 1" content="Y component: Quantization table 0, Sampling factors 1 horiz/1 vert"/>
<meta name="tiff:ResolutionUnit" content="Inch"/>
<meta name="Object Name" content="king of disguise"/>
<meta name="Seed number" content="1"/>
<meta name="X Resolution" content="72 dots per inch"/>
<meta name="IPTC-NAA record" content="160 bytes binary data"/>
<meta name="Unknown tag (0x043a)" content="[239 bytes]"/>
<meta name="Version Info" content="1 (Adobe Photoshop, Adobe Photoshop CS6) 1"/>
<meta name="Component 3" content="Cr component: Quantization table 1, Sampling factors 1 horiz/1 vert"/>
<meta name="dc:title" content="king of disguise"/>
<meta name="modified" content="2015-03-28T09:47:45"/>
<meta name="Thumbnail Data" content="JpegRGB, 160x160, Decomp 76800 bytes, 1572865 bpp, 6513 bytes"/>
<meta name="tiff:BitsPerSample" content="8"/>
<meta name="Application Record Version" content="42432"/>
<meta name="Resolution Info" content="72.0x72.0 DPI"/>
<meta name="meta:author" content="tarzan"/>
<meta name="meta:creation-date" content="2015-03-28T09:47:45"/>
<meta name="Caption digest" content="[16 bytes]"/>
<meta name="Creation-Date" content="2015-03-28T09:47:45"/>
<meta name="resourceName" content="zebre.jpg"/>
<meta name="Orientation" content="Top, left side (Horizontal / normal)"/>
<meta name="tiff:Orientation" content="1"/>
<meta name="tiff:Software" content="Adobe Photoshop CS6 (Windows)"/>
<meta name="Thumbnail Offset" content="354 bytes"/>
<meta name="Color Transform" content="YCbCr"/>
<meta name="Global Angle" content="120"/>
<meta name="Author" content="tarzan"/>
<meta name="Exif Image Height" content="500 pixels"/>
<meta name="Software" content="Adobe Photoshop CS6 (Windows)"/>
<meta name="tiff:YResolution" content="72.0"/>
<meta name="Y Resolution" content="72 dots per inch"/>
<meta name="dc:description" content="this kind of animal is hard to see behind bars"/>
<meta name="Color transfer functions" content="[112 bytes]"/>
<meta name="Keywords" content="legs"/>
<meta name="Keywords" content="mammal"/>
<meta name="Data Precision" content="8 bits"/>
<meta name="Coded Character Set" content="%G"/>
<meta name="dc:creator" content="tarzan"/>
<meta name="tiff:ImageLength" content="500"/>
<meta name="description" content="this kind of animal is hard to see behind bars"/>
<meta name="JPEG quality" content="12 (Maximum), Standard format, 3 scans"/>
<meta name="dcterms:created" content="2015-03-28T09:47:45"/>
<meta name="dcterms:modified" content="2015-03-28T09:47:45"/>
<meta name="Last-Modified" content="2015-03-28T09:47:45"/>
<meta name="Last-Save-Date" content="2015-03-28T09:47:45"/>
<meta name="Thumbnail Length" content="6513 bytes"/>
<meta name="Color Space" content="Undefined"/>
<meta name="Credit" content="tarzan"/>
<meta name="Global Altitude" content="30"/>
<meta name="meta:save-date" content="2015-03-28T09:47:45"/>
<meta name="Country/Primary Location Name" content="kenya"/>
<meta name="Content-Length" content="93123"/>
<meta name="Content-Type" content="image/jpeg"/>
<meta name="X-Parsed-By" content="org.apache.tika.parser.DefaultParser"/>
<meta name="X-Parsed-By" content="org.apache.tika.parser.jpeg.JpegParser"/>
<meta name="creator" content="tarzan"/>
<meta name="Color halftoning information" content="[72 bytes]"/>
<meta name="dc:subject" content="legs"/>
<meta name="dc:subject" content="mammal"/>
<meta name="tiff:XResolution" content="72.0"/>
<meta name="Date/Time" content="2015:03:28 09:47:45"/>
<meta name="Grid and guides information" content="[16 bytes]"/>
<meta name="Caption/Abstract" content="this kind of animal is hard to see behind bars"/>
<meta name="DCT Encode Version" content="1"/>
<meta name="Exif Image Width" content="500 pixels"/>
<meta name="Image Height" content="500 pixels"/>
<meta name="Pixel Aspect Ratio" content="1.0"/>
<meta name="Supplemental Category(s)" content="earthly creature"/>
<meta name="Image Width" content="500 pixels"/>
<meta name="Flags 0" content="64"/>
<meta name="Resolution Unit" content="Inch"/>
<meta name="Unknown tag (0x043b)" content="[557 bytes]"/>
<meta name="URL List" content="0"/>
<meta name="meta:keyword" content="legs"/>
<meta name="meta:keyword" content="mammal"/>
<meta name="Print Scale" content="Centered, Scale 1.0"/>
<meta name="tiff:ImageWidth" content="500"/>
<meta name="Flags 1" content="0"/>
<title>king of disguise</title>
</head>
<body/></html>

在solr schema.xml中，我添加了所需的字段：

代码语言：javascript
复制
<fields>
...
 <field name="subject" type="string" indexed="true" stored="true" multiValued="true" />

然后我重新启动服务器。

在作业列表中的ManifoldCF管理中，我在作业中添加了一个Tika提取器转换:管道是: my存储库-> Tika extractor -> DatafariSolr

我尝试了Solr接口中的搜索:对于q，我在那里尝试了"subject:legs"和，我在Solr接口中检索了数据

但在Datafari搜索引擎里，我没有结果

对Datafari的帮助不是很有帮助，我查看了Manifoldcf文档，但是没有更多的运气。我希望有一个通过元数据进行这种搜索的实例。应该修改和/或测试什么来查看结果中的图像？

在Olivier之后更新答案:

谢谢你的帮助。这个工具确实很有希望，尽管我在配置它时仍然有问题：

我找不到datafari/WebContent/js/search.js。您的意思是:Datafari/tomcat/webapp/Datafari/js/search.js吗？

我补充了你的建议。

我还添加了“描述”和“创建者”字段。

1-在SolR搜索中：-如果我搜索Q“动物”，我可以检索我的图像(而不是用“动物”)，这比“描述:动物”要好。-但如果我搜索“腿”，我什么也找不到.是因为有几个“主题”，有一种不同的方式搜索它吗？-如果我搜索“泰山”(从创建者领域)，我也不会检索任何东西。

2-在Datafari搜索中：--我所做的更改似乎“破坏了”搜索:当我搜索时，车轮一直在转动。在控制台中，我有：

代码语言：javascript
复制
    GET "http://localhost:8080/Datafari/css/menu.css" 404
L'utilisation d'XMLHttpRequest de façon synchrone sur le fil d'exécution principal est obsolète à cause de son impact négatif sur la navigation de l'utilisateur final.

3-我为相同的字段添加了另一张带有其他元数据的图片，在SolR搜索中，如果我查询"jpg"，它们都会出现(OK)，但是在json响应中，其他字段不会出现在另一个图像上！

代码语言：javascript
复制
{
  "responseHeader": {
    "status": 0,
    "QTime": 6,
    "params": {
      "indent": "true",
      "q": "jpg\n",
      "_": "1427968093838",
      "wt": "json"
    }
  },
  "response": {
    "numFound": 2,
    "start": 0,
    "docs": [
      {
        "last_modified": "2015-03-28T09:47:45Z",
        "id": "file:/home/olivier/Bureau/datafari/images/zebre.jpg",
        "url": "file:/home/olivier/Bureau/datafari/images/zebre.jpg",
        "source": "file",
        "extension": "jpg",
        "language": "en",
        "content_en": [
          ""
        ],
        "title_en": [
          "zebre.jpg"
        ],
        "title": [
          "zebre.jpg"
        ],
        "_version_": 1496971642075611100,
        "allow_token_share": [
          "__nosecurity__"
        ],
        "deny_token_document": [
          "__nosecurity__"
        ],
        "deny_token_share": [
          "__nosecurity__"
        ],
        "allow_token_document": [
          "__nosecurity__"
        ]
      },
      {
        "last_modified": "2015-03-29T15:45:23Z",
        "subject": [
          "Description Mots clé"
        ],
        "id": "file:/home/olivier/Bureau/datafari/metadata/image1toto.jpg",
        "creator": [
          "Description, IPTC - Auteur: beta"
        ],
        "description": [
          "Description Description : gamma"
        ],
        "url": "file:/home/olivier/Bureau/datafari/metadata/image1toto.jpg",
        "source": "file",
        "extension": "jpg",
        "language": "en",
        "content_en": [
          ""
        ],
        "title_en": [
          "image1toto.jpg"
        ],
        "title": [
          "image1toto.jpg"
        ],
        "_version_": 1497001790322770000,
        "allow_token_share": [
          "__nosecurity__"
        ],
        "deny_token_document": [
          "__nosecurity__"
        ],
        "deny_token_share": [
          "__nosecurity__"
        ],
        "allow_token_document": [
          "__nosecurity__"
        ]
      }
    ]
  },
  "highlighting": {
    "file:/home/olivier/Bureau/datafari/images/imagejpg.jpg": {
      "content_fr": [
        ""
      ],
      "content_en": [
        ""
      ]
    },
    "file:/home/olivier/Bureau/datafari/images/zebre.jpg": {
      "content_fr": [
        ""
      ],
      "content_en": [
        ""
      ]
    },
    "file:/home/olivier/Bureau/datafari/metadata/image1toto.jpg": {
      "content_fr": [
        ""
      ],
      "content_en": [
        ""
      ]
    }
  },
  "spellcheck": {
    "suggestions": []
  },
  "capsuleSearchComponent": {}
}

我很困惑。

奥利维尔·塔沃德回答后的编辑

很抱歉我的回答太晚了，我正在忙一些紧急的自动取款机，不能按我的意愿进行测试/回答。

我遵循了您的步骤(非常有教益，谢谢)，并设法在客户端搜索中得到了结果:)

但是：

1-我不得不用通配符在datafari gui中找到它：“一匹伪装的马”，=>，我不得不写上‘**马*’，而不是‘马’。

2-如何检索多个字段的数据(例如:meta:关键字.)

代码语言：javascript
复制
<meta name="meta:keyword" content="legs"/>
<meta name="meta:keyword" content="mammal"/>

3-我有一个“标准”安装，但我有一个404的本地主机:8080/Datafari/css/menu.css，也许这就是为什么我得到搜索轮，直到我刷新页面

manifoldcf
solr
full-text-search
metadata
EN

回答 2

Stack Overflow用户

回答已采纳

发布于 2015-04-07 11:29:06

好的，我会试着完成答案。

我从一个普通的Datafari安装开始，我在datafari.com上下载了这些步骤。

假设我们希望在Solr中添加一个新的元数据字段，名为meta:author (源中的作者)，在Datafari中添加名为authorname的元数据字段。

让我们看看将字段显示到Datafari UI中的每一步，并允许使用Solr搜索字段。

1)编辑solrconfig.xml

我们希望将源文件：meta:author的原始元数据映射到一个名为authorname的新Solr字段。因此，我们必须编辑Solr单元请求处理程序：

代码语言：javascript
复制
<requestHandler name="/update/extract" 
              startup="lazy"
              class="solr.extraction.ExtractingRequestHandler" >
<lst name="defaults">
        <str name="scan">false</str>
        <str name="captureAttr">true</str>
        <str name="lowernames">true</str>
        <str name="fmap.language">ignored_</str>
        <str name="fmap.meta_author">authorname</str>
        <str name="fmap.source">ignored_</str>
        <str name="uprefix">ignored_</str>
        <str name="update.chain">datafari</str>
        <bool name="ignoreTikaException">true</bool>

正确的语法是meta_author (而不是meta:author)，因为行

<str name="lowernames">true</str>

文档说："lowernames=true|false -用下划线将所有字段名映射到小写“

您还可以在配置中看到，我们在忽略的动态字段中存储所有被忽略的元数据。我请您更改schema.xml中字段的配置，并将stored=false更改为store=true，以查看Tika找到的所有元数据(并查看将字段映射到Solr的正确语法)，例如：

​

2)编辑schema.xml

现在，我们希望将新字段添加到Solr架构中。因此，添加以下一行：

代码语言：javascript
复制
<field name="authorname" type="text_en" indexed="true" stored="true" multiValued="true"/>

好的，到目前为止，我们可以启动指数化的ManifoldCF和新的领域是很好地存在于Solr。

3)将新字段添加到搜索编辑solrconfig.xml中，在select请求处理程序中添加该字段：

代码语言：javascript
复制
<str name="qf">author title_en^50 title_fr^50 content_fr^10 content_en^10 source^20 extension^20
        </str>

在内核重新加载之后，我们现在可以搜索并找到新字段的数据。

4)将Datafari UI配置为Datafari/tomcat/webapp/Datafari/js/main.js(源代码)或Datafari/tomcat/webapp/Datafari/js/main.js(已安装版本)，更改行：

代码语言：javascript
复制
Manager.store.addByValue("fl", 'title,url,id,extension');

并添加要添加的字段，此处为autorname

代码语言：javascript
复制
Manager.store.addByValue("fl", 'title,url,id,extension, authorname');

最后一步是更改Javascript文件search.js : datafari/WebContent/js/search.js (源代码)或Datafari/tomcat/webapp/Datafari\js/search.js(已安装版本)，添加您要添加的代码: doc.subject。例如，如果您想在文档的URL之后添加它：(我在前面的回答中犯了一个错误，现在它是正确的)

代码语言：javascript
复制
elm.find('.doc:last .address').append('<span>' + AjaxFranceLabs.tinyUrl(decodeURIComponent(url)) + '</span>')
elm.find('.doc:last .address').append('<div id="author">' + doc.author );

最后，对于每个文档末尾的字段作者，Datafari Ui应该是这样的：

​

​

如果你还有什么问题告诉我。

诚挚的问候

编辑在user29296之后的另一个问题

  • 关于通配符，它取决于您使用的字段类型和您需要的搜索类型。通常，您不必在单词之前添加额外的通配符。如果您想要搜索任何具有提供后缀的前缀，则需要一个ReversedWildcardFilterFactory。
  • 检索多个字段的数据--在这种情况下，我不理解您的问题是什么。能给我举个例子吗？如果更改搜索处理程序选择配置，则可以在qf部分中添加要搜索的字段。因此，只需在这里添加meta_keyword字段。因此，客户端在执行搜索时也会搜索该字段。
  • Menu.css 404错误此错误对应用程序没有任何影响。此缺失文件的修复将包含在Datafari的下一次更新中。
票数 2
EN

Stack Overflow用户

发布于 2015-03-31 20:15:46

谢谢你使用Datafari。要将字段的显示添加到UI中，必须修改2个文件：

  • Datafari/tomcat/webapp/Datafari/js/main.js 更改行文： Manager.store.addByValue("fl"，'title，url，id，扩展名‘)； 并在示例subject中添加要添加的字段： Manager.store.addByValue("fl"，'title，url，id，扩展名，subject')；
  • datafari/WebContent/js/search.js 添加要添加代码：doc.subject的字段的显示。例如，如果您想在文档的URL之后添加它： elm.find('.doc:last .address').append(doc.subject)；

如果您的问题与搜索有关:搜索datafari/solr/solr_home/FileShare/conf/solrconfig.xml:腿不检索任何结果，则必须更改中的Solr配置

代码语言：javascript
复制
<requestHandler name="/select" class="solr.SearchHandler">

并将字段subject in qf (如果需要，则添加pf )到列表中：

代码语言：javascript
复制
<str name="qf">subject title_en^50 title_fr^50 content_fr^10 content_en^10 source^20 extension^20 
        </str>

如果您感兴趣，我们开始使用这里有一些文件。

票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：

https://stackoverflow.com/questions/29327874

复制
相关文章

相似问题

领券

腾讯云开发者

扫码关注腾讯云开发者

扫码关注腾讯云开发者

领取腾讯云代金券

热门产品

热门推荐

更多推荐

Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有 

深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 粤公网安备44030502008569号

腾讯云计算（北京）有限责任公司 京ICP证150476号 |  京ICP备11018762号

问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档