Discussion :

[SpaceFrog]

L'envoironnement:
Un repertoire sur le reseau contenant toute une arborescence (Fournisseur, type de doc ...) de documentation technique au format PDF.

Le projet:
Créer une table pour référencer ces documents
La table aurait un champs fournisseur,un champs path, un champs type de doc un champs résumé et un champs texte.
Hormis le champs résumé, je dois pouvoir récupérer tous les autres champs en scannant le repertoire. chaque fournisseur ayant un répertoire à son nom dans lequel se trouve un répertoire par type de doc.

La moulinette php devra :

• scanner le répertoire => recupérer le nom du fournisseur (nom du rep),
• scanner les sous repertoires => recupérer le type de doc(nom du rep),
• scanner les fichiers pdf pour en récupérer le path complet puis le texte contenu dans le pdf (lorsque cela est possible en fonction de la compression ou si il y en a)

cette table servira ensuite de base pour un moteur de recherche de doc pdf en particulier pour le champ texte pour une recherche en fulltext

Je me pose d'ailleurs la question à savoir si il ne serait pas plus simple de mettre directement le doc PDF en BLOB ?

Ma question porte sur la methode de scan récurisif de l'arborescence du repertoire de bibliothèque pour recupérer toutes ces infos ...
Je ne parle pas de l'accès sur le reseau, ça c'est résolu j'arrive à afficher un pdf du repertoire.

Avez vous déja des expériences de ce type ?
quels seraient vos conseils en la matière ?

[ThomasR]

Bonjour SF,

Concernant l'indexation des PDF tu peux t'orienter vers Zend_Search ou Apache Solr.

Pour la récupération de leur path il suffit, comme tu le préconises, d'une fonction récursive :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
 
function recurseThruFolders($folder_path, &$pdf_arr){
    $dir = opendir($folder_path);
    while($f = readdir($dir)){
        if(is_dir($folder_path.$f)){
            recurseThruFolders($folder_path.$f, $pdf_arr);
        }
        elseif(substr(strrchr($f, '.'), 1) == '.pdf'){
            $pdf_arr[] = array(
                'name' => $f,
                'path' => $folder_path.$f 
            );
        }
    }
    closedir($dir);
}

Qui s'appelerait comme ceci :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
$pdf_array = array();
$pdf_folder = 'fichiers/pdfs/';
recurseThruFolder($pdf_folder, $pdf_array);
var_dump($pdf_array);

Pour éviter le passage par référence du tableau tu peux utiliser le mot clé static et déclarer le tableau à l'intérieur de la fonction, pour le retourner.

J'éspère ne pas avoir répondu trop à côté de la plaque

[SpaceFrog]

A priopri open_dir et read_dir posent souci
a noter que je pointe vers un lecteur reseau en amont de mon root ...

voici comment je m'en suis sorti

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
 
$pdf_folder = "T:/SKM/TRANSFERT_JLN/PRODUITHEQUE";
$pdf_array=array();
  $reg="#.pdf$#i";
function recurseThruFolders($pdf_folder){
 
	 $it=scandir($pdf_folder);
	 global $reg;
	 global $pdf_array;
 
    foreach($it as $name){
	    if($name!='.' && $name!='..'){
				$itpath=$pdf_folder.'/'.$name;
				if(is_dir($itpath)){
					//echo 'Repertoire => '.$itpath.'<br />';
					recurseThruFolders($itpath);
				}
				elseif(preg_match($reg,$name)){
					 //echo "&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;".'Fichier => '.$itpath.'<br />';
					$pdf_array[] = array(
						'name' => $name,
						'path' => $itpath.'/'.$name 
					);
				}
		}
    }
}

je recupère directement un array avec le nom et le path complet

Merci thom de m'avoir orienté sur cette voie