桌面搜索软件的PDF全文检索性能-月亮实验室

2009年2月24日

    由于我电脑里有几千份pdf文献和电子书，所以总想着通过最省事的方法快速找到自己需要的文件。但是文件数量太大，即使分类再好，在如此海量的文件中一篇 所需的文献比大海捞针还难。可自从有了桌面搜索（Desktop Search）以来，放牛娃才被从文件的海洋中解放出来。为了找到最适合自己桌面搜索引擎，我亲自尝试过了很多主流桌面搜索引擎，比如Google desktop，百度硬盘搜索，Windows search以及Copernic desktop search。还尝试了一些非主流的搜索工具，比如Minidx文件管理系统以及Windows自带的索引服务。经过长时间的试用和比较，有了以下一些体 会。

    我对桌面搜索的需求很简单，即能快速准确的对pdf文件进行全文搜索。比较发现各个桌面搜索软件对英文pdf文件的搜索均表现良好。但是对于中文pdf文 件Google desktop仍然会出现乱码的情况，Copernic desktop search索引中中文pdf几乎全是乱码，而百度硬盘搜索和基于foxit pdf ifilter的桌面搜索对中文pdf完美支持。

表 中是各个桌面搜索引擎的性能指标。

	Google desktop 5.8	百度硬盘搜索2.7	Windows search 4.0	Copernic desktop search	Minidx 文件管理系统	Windows索引服务
内存消耗	约15M	约15M	约40M	约40M	5M	5M
索引速度	★★★	★★★★	★★★★★	★★★★	★★	★★★★
检索速度	★★★★	★★★★★	★★★	★★	★★	★★★★
全文搜索	前10000个分词	前5000个分词	全文(foxit pdf ifilter)	全文（可设置搜索深度）	全文搜索(foxit pdf ifilter)	全文搜索 (foxit pdf ifilter
预览	有预览（快）	快照（最快）	预 览（速度慢）	加亮预览（快速）	加亮预览（较慢）	无
中文pdf 文件	支持（偶尔有乱码）	非常好	非常好	乱码	非常好	非常好
综合评价	★★★★	★★★★★	★★★	★★★	★★★	★★★★

    可以看出，各个桌面搜索引擎各有优劣，选择谁，关键在于你的需求。或者可以通过一些方法打造一个自己喜欢的山寨桌面搜索引擎。

    如果硬盘中主要是英文pdf文件，而且电脑有1G以上的内存，那么Copernic desktop search是最好的选择，尤其对于几百页的英文电子书更是适用。Copernic desktop search最大优点是可以设置搜索深度，这样就可以实现真正的全文搜索引擎，而且其在预览中加亮关键词，而且保持pdf原文件的格式，看起来很舒服。缺 点是消耗系统资源太多，不支持中文。如果喜欢Copernic desktop search风格索引，但是又想搜索管理中文pdf文件，那该怎么办呢？我推荐使用Minidx文件管理系统，其功能类似Foxit Library，但是它基于微软iFilter抽取文本，因此和Windows search类似，如果需要检索pdf文件，首先需要安装pdf ifilter，推荐foxit pdf ifilter。Minidx的优点在于不仅可以进行全文搜索，而且可以建立书架，对资料进行管理。因为采用foxit pdf ifilter所以对于中英文均能完美支持。但是当pdf文件很大的时候，搜索速度比较慢。

    如果硬盘中英文文献均比较多，而且文件不大，那么百度硬盘搜索是最好选择。百度硬盘搜索速度快，占用内存小，中英文完美支持，其快照功能也特招人喜欢。 除了不能设置搜索深度外，几乎没有缺点，是所比较桌面搜索中的佼佼者，可惜百度现在似乎不重视这个产品了，已经快两年没有更新了。

    在所有桌面搜索软件中，Windows search 4.0的索引速度非常快，是最快的，这可能得益于foxit pdf ifilter。因为过去采用adobe pdf ifilter 读取pdf文件。Foxit pdf ifilter抽取pdf文件的速度是adobe的5倍多。同时Windows search 4.0 因为采用Foxit pdf ifilter，所以对中文的支持和百度一样出色。缺点是系统消耗太大。不过我们可以用Windows索引服务来替代Windows search。

    如果不想安装什么软件，又想快速的对硬盘中pdf文件进行全文检索和管理，有没有办法呢？当然有了！以 Windows XP为例，将系统自带的搜索功能稍加改造即可。
具体步骤是：
    1.下载安装foxit pdf ifilter作为pdf全文搜索的过滤器，它的优点是读取pdf准确，而且速度极高，几乎不占系统资源，微软已经正式采用foxit pdf ifilter了，其能力可见一斑。
    2.在“安装/删除Windows组件”中安装索引服务。然后按照以下方法设置：
    （1）“我的电脑”—右键—“管理”—…“索引服务”—新建编目（为了存放索引文件，最好选择一个固定盘，例如：如果pdf文件主要存放在D盘，那么将编 目选在E盘一个目录中，而且E盘不让索引。这样做可以避免循环更新索引，也可以减少磁盘的读取）
    （2）新建目录（所要索引的数据文件夹或者盘符）；
    （3）设置搜索选项：“索引服务”—右键—“属性”—选择“生成摘要”； “索引服务”—右键—“属性”—选择“所有任务”—“调整性能（可以根据实际情况进行选择，以我个人为例，我搜索的频率比较高，因此我将索引速度选择最 低，而将查询速率选择最高，这样索引过程可以不影响搜索。）”。
这样等待索引完成后，即可随时检索pdf全文检索了。速度奇快，和Windows search相差无几，但仅仅占用约5M左右的系统内存。

    对于Google desktop 5.8，整体性能还算优异，5.8版本算是Google桌面搜索的一次蜕变，系统消耗明显降低，预览功能也是非常实用，美中不足是对于中文pdf的支持仍 然有些问题。
如果特中意Google desktop，那么我想了一个办法可以让解决其中文pdf乱码问题，那就是用foxit pdf ifilter来替换Google自己的pdf读取器，方法是先安装Google desktop，然后删除其安装目录下的pdftodoc那个文件；再下载IFiltershop 开发的Google desktop Plugin（IFiltershopGdsPlugin_Beta.exe）, IFiltershopGdsPlugin的作用是可以让Google desktop采用微软的ifilter来抽取文件。再安装IFiltershopGdsPlugin时，会提醒填写需要用ifilter抽取的文件后 缀，只要填写“pdf”即可。这样Google desktop就可以快速的索引中英文pdf文件了。（如果无法下载到IFiltershopGdsPlugin_Beta.exe 可以在中留言索取）
    综合比较，百度硬盘搜索全面，适应范围广，适合常驻电脑中。为了管理文件方便,可以开启window索引服务，或者采用Minidx文件管理系统。 2010年1月17日更新，最新版Google desktop 5.9已经发布了，经过我详细测试，发现新版本进一步减少了内存，同时可以锁定搜索，更好的保护隐私。最重要的是极大的改善了对pdf文件的索引，出现乱 码的几率非常小了。不特别声明时，本站所有文章均为原创文章，转载请注：转自月亮实验