Bakalářská práce

Portabilní fulltext pro CD/DVD

Portable fulltext solution for CD/DVD

Marek Chrenko, učo 173261
Anotace

Práca sa zaoberá metódami vytvárania PDF súborov, ktoré sú vhodné pre ďaľšie strojové spracovanie. Špeciálna pozornosť je venovaná testovaniu v súčasnosti dostupných knižníc pre extrakciu textu z PDF dokumentov. Prináša stručný úvod do open-source knižnice Lucene. Záver práce je venovaný vytvoreniu fulltextového indexačno-vyhľadávacieho multiplatformového programu pre spracovanie dokumentov rôznych formátov.

Abstract

This Bachelor Thesis deals with methods of creating PDF files, which are suitable for further machine processing. Special attention is paid to testing currently available libraries for text extraction from PDF documents. It presents a lead-in to the open-source Lucene library. The conclusion of the Thesis is devoted to the development of a full-text indexing and searching multiplatform programme for processing documents of various formats.

Klíčová slova
fulltext vyhľadávanie extrakcia textu Java Lucene PDF ajka
Zadání práce
Adaptovat/doimplementovat (v jazyce Java) system pro full-textové vyhledávání do podoby přímo použitelné pro vyhledávání na CD/DVD jako je tomu u CD publikovaných O'Reillym, root.cz, abclinux.cz. Systém musí podporovat český stemming, případně doplňování diakritiky (potřebná data a implementaci v C máme, potřebné knihovny existují i pro jazyk Java). Zdroje * full-textový vyhledávací a indexovací stroj v javě -- http://jakarta.apache.org/lucene/docs/index.html * java varianta FSA tools Jana Daciuka -- http://www.cs.put.poznan.pl/dweiss/xml/projects/fsa/index.xml?lang=en * malinký webový server v javě (mám s ním pozitivní zkušenosti) -- http://www.acme.com/java/software/Acme.Serve.Serve.html * české indexovátko implementované v C -- http://sourceforge.net/projects/finindex/, http://www.linux.cz/archove/linux/ * BP Petra Kišše https://is.muni.cz/auth/th/50804/fi_b/?fakulta=1433;obdobi=3725 * kniha Fonts and Encodings Yannise Haralambouse: http://proquest.safaribooksonline.com/9780596102425
Administrativní informace
Práce zkontrolována:
6. 1. 2009 07:04, (IS automaticky)
Plný text práce
538,2 KB / soubor PDF
Jazyk práce
slovenština slovenština
Termín obhajoby
3. 2. 2009
Práce byla úspěšně obhájena

Vedoucí

doc. RNDr. Petr Sojka, Ph.D., učo 2378
KVI FI MU

Oponent

doc. Mgr. Pavel Rychlý, Ph.D., učo 3692
KSUZD FI MU
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Aplikovaná informatika
Obor

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.