一、需求分析

• 公司内部存在大量的设备维修保养office文档，设备人员在检索特定的维修保养知识的时候，需要根据目录的索引文件，在服务器上先找出有可能相关的文件列表，再一一打开进行检索，效率低下且体验性差。
• 用户希望利用现有文档系统（编制，发布，升版等文控管理有专人负责）不变，搭建一个可以根据关键词条进行检索的文件搜索引擎，提高效率及提升体验度。
• 本文将通过ElasticSearch(开源搜索引擎),FSCrawler（文件爬虫，将文档“上传”到 elasticsearch）, SearchUI(使用elasticsearch搜索 API 的前端页面)，搭建一个文件搜索引擎系统。

二、ElasticSearch

• 我们首先从(https://www.elastic.co/cn/downloads/elasticsearch下载文件（本文以windows版本为例）。

• 解压文件

• 下载安装jdk并设置java环境变量

• 进入到解压后的bin目录，双击elasticsearch.bat文件运行

• 验证ElasticSearch是否启动成功：使用浏览器访问http://localhost:9200，看到以下页面就代表安装成功了

三、FSCrawle

• 我们再从https://fscrawler.readthedocs.io/en/fscrawler-2.7/installation.html下载文件（本文以windows版本为例）。

• 解压文件

• 创建文件爬取job

• 运行以上命令后，程序提示是否创建该job

• 选择y,程序会在用户目录下创建以下配置文件，我们需要对该任务进行配置

---
name: "test"
fs:
  url: "d:\\test" # 监控windows下的D盘test目录
  update_rate: "15m" # 间隔15分进行扫描
  excludes:
  - "*/~*"  #排除以~开头的文件
  json_support: false
  filename_as_id: false
  add_filesize: true
  remove_deleted: true
  add_as_inner_object: false
  store_source: false
  index_content: true
  attributes_support: false
  raw_metadata: false
  xml_support: false
  index_folders: true
  lang_detect: false
  continue_on_error: false
  ocr:
    language: "eng"
    enabled: true
    pdf_strategy: "ocr_and_text"
  follow_symlinks: false
elasticsearch:
  nodes:
  - url: "http://127.0.0.1:9200"
  bulk_size: 100
  flush_interval: "5s"
  byte_size: "10mb"
  ssl_verification: true

• 保存配置后，我们就可启动FSCrawle爬虫程序了：

• 启动成功后，我们在原有的配置目录会发现多出一个状态文件，该文件会记录文件爬虫程序的定时运行记录：

{
  "name" : "test",
  "lastrun" : "2021-11-27T09:00:16.2043064",
  "indexed" : 0,
  "deleted" : 0
}

三、SearchUI

• 我们最后从https://github.com/elastic/search-ui下载前端页面：

• 文件解压后，用vscode打开examples\elasticsearch目录：

• 并依次修改search.js、buildRequest.js、buildState.js文件

1. 修改search.js：设定job路径

1. 修改buildRequest.js

1. 修改buildState.js

• 注意：为了让用户在搜索页面上可以直接通过文件链接下载文件，我们通过IIS搭建文件下载服务：

• 该地址反映在在buildState.js中

1. 最后我们修改一下app.js，将搜索返回的页面与搜索字段名称进行对应

五、运行测试

• 安装依赖包，运行程序

# 安装
- npm install
# 运行
- npm start

• 放置文件到FSCrawler监控的目录下

• 测试搜索效果