使用 Datafari 从图像中搜索元数据答案

【问题标题】：Searching metadata from images using Datafari使用 Datafari 从图像中搜索元数据
【发布时间】：2015-03-29 10:11:04
【问题描述】：

我正在寻找一个开源文档管理系统，用于索引所有类型的文件（文本：[pdf、doc...]、图像 [jpg、png、bmp...]、视频 [mov、mp4 ...]）我偶然发现了Datafari

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

我安装了它，我正在尝试进行设置，以便让它找到根据元数据条件搜索的图像，但到目前为止没有运气。

我添加了一个本地存储库，其中包含带有一些元数据的图像：

<?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 我添加了我需要的字段：

<fields>
...
 <field name="subject" type="string" indexed="true" stored="true" multiValued="true" />

然后我重新启动了服务器

在 Job 列表中的 ManifoldCF 管理中，我在 Job 中添加了 Tika 提取器转换：管道是：我的存储库 -> Tika Extractor -> DatafariSolr

我尝试在 Solr 界面中搜索：对于 q，我尝试了"subject:legs" 那里，我 Solr 界面，我检索到数据

但在 Datafari 搜索引擎中，我没有得到任何结果

Datafari 的帮助不是很有帮助，我查看了 Manifoldcf documentation 但没有更多的运气。我想有一个通过元数据进行这种搜索的真实示例。应该修改和/或测试什么才能看到结果中的图像？

Olivier Tavard 回答后更新：

感谢您的帮助。这个工具真的很有前途，虽然我在配置它时仍然遇到问题：

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

我添加了您的建议。

我还添加了“描述”和“创建者”字段。

1 - 在 SolR 搜索中： - 如果我在 q "animal" 中搜索，我可以检索我的图像（不是使用 "animal"），现在比 "description:animal" 更好。 - 但如果我搜索“腿”，我什么也检索不到。是不是因为有几个“主题”，有不同的搜索方式呢？ - 如果我搜索“tarzan”（来自创建者字段），我也不会检索任何内容。

2 - 在 Datafari UI 搜索中： - 我所做的更改似乎“破坏”了搜索：当我搜索时，我的轮子一直在转动。在控制台中我有：

    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），但在 json 响应中，额外的字段不会出现对于另一张图片！

{
  "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。

在 Olivier Tavard 回答后编辑

抱歉，回答晚了，我正在处理一些紧急的自动取款机，无法按我的意愿测试/回答。

我按照您的步骤进行操作（非常具有指导意义，谢谢），并且在某种程度上设法在客户端搜索中获得了结果 :)

但是：

1- 我必须使用通配符在 datafari gui 中找到它：“a horse in disguise” => 我必须输入 '**horse*'，而不是 'horse'

2 - 如何检索多个字段的数据（例如：meta:keyword ...）

<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 localhost:8080/Datafari/css/menu.css，也许这就是我在刷新页面之前得到搜索轮的原因

【问题讨论】：

标签： solr full-text-search metadata manifoldcf

【解决方案1】：

好的，我将尝试完成答案。
我从在 datafari.com 上下载的 Datafari 的普通安装开始，以重现这些步骤。

假设我们要在 Solr 中添加一个新的元数据字段，在源中名为 meta:author，在 Datafari 中名为 authorname。
让我们看看将字段显示到 Datafari UI 并允许使用 Solr 搜索字段的每个步骤。
1) 编辑 solrconfig.xml
我们希望将源文件的 originam 元数据：meta:author 映射到名为 authorname 的新 Solr 字段。所以我们必须编辑 Solr 单元请求处理程序：

<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
<str name="lowernames">true</str>
documentation 说：“lowernames=true|false - 将所有字段名称映射为带下划线的小写”

您还可以在配置中看到我们将所有被忽略的元数据存储在被忽略的动态字段中。我邀请您更改 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
我们现在想将新字段添加到 Solr 模式中。所以添加以下行：

<field name="authorname" type="text_en" indexed="true" stored="true" multiValued="true"/>

好的，到目前为止，我们可以使用 ManifoldCF 启动索引，并且新字段很好地存在于 Solr 中。

3) 将新字段添加到搜索中编辑 solrconfig.xml，在选择请求处理程序中添加字段：

<str name="qf">author title_en^50 title_fr^50 content_fr^10 content_en^10 source^20 extension^20
        </str>

核心重新加载后，我们现在可以搜索并找到新字段的数据。

4) 配置 Datafari 用户界面进入 datafari/tomcat/webapps/Datafari/js/main.js （源代码）或 Datafari/tomcat/webapps/Datafari/js/main.js （安装版本）换行：

Manager.store.addByValue("fl", 'title,url,id,extension');

并添加你要添加的字段，这里是autorname

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/webapps/Datafari\js/search.js（安装版）添加您的字段的显示添加代码： doc.subject 要添加它的位置。例如，如果您想在文档的 URL 之后添加它：（我之前的回答有误，现在正确了）

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，您的 Datafari Ui 应该与每个文档末尾的字段作者一样：

如果您还有问题，请告诉我。
最好的问候

在 user29296 后修改其他问题

关于通配符这取决于您使用什么字段类型以及您需要什么类型的搜索。通常，您不必在单词前添加额外的通配符。如果您想使用提供的后缀搜索任何前缀，则需要 ReversedWildcardFilterFactory。
检索多个字段的数据在这种情况下，我不明白您的问题是什么。你能给我一个例子吗？如果您更改搜索处理程序选择配置，您可以在 qf 部分中添加要搜索的字段。因此，只需在此处添加 meta_keyword 字段。因此，客户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。此丢失文件的修复将包含在 Datafari 的下一次更新中。

【讨论】：

【解决方案2】：

感谢您使用 Datafari。要将字段的显示添加到 UI 中，您必须修改 2 个文件：

datafari/tomcat/webapps/Datafari/js/main.js

换行：

Manager.store.addByValue("fl", 'title,url,id,extension');

并在您的示例主题中添加您要添加的字段：

Manager.store.addByValue("fl", 'title,url,id,extension, subject');

datafari/WebContent/js/search.js

添加您的字段的显示添加代码：doc.subject 您要添加它的位置。例如，如果你想在文档的 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 legs 没有检索到任何结果，您必须更改 datafari/solr/solr_home/FileShare/conf/solrconfig.xml 中的 Solr 配置：

<requestHandler name="/select" class="solr.SearchHandler">

并将 qf 中的字段 subject（如果需要，还可以添加 pf）到列表中：

<str name="qf">subject title_en^50 title_fr^50 content_fr^10 content_en^10 source^20 extension^20 
        </str>

如果您有兴趣，我们开始提供some documentation here。

【讨论】：

顺便说一句，您可以通过缩进两次（八个空格而不是通常的四个空格）在项目符号点内添加一段代码。