Konfiguration
OfficeDocumentToTextAndImages Filter Plugin

Einleitung

Das FilterPlugin.OfficeDocumentToTextAndImages dient dazu, Office-Dokumente zu filtern, sie in PDF-Dokumente zu konvertieren, damit sie für die PDF-Vorschau verfügbar sind, und für jede Seite des konvertierten PDF-Dokuments Bilder zu generieren.

Die generierten Seitenbilder können dann zusammen mit den Ergebnissen der Ähnlichkeitssuche abgerufen werden (sofern konfiguriert).

So verarbeitet das Plugin „FilterPlugin.OfficeDocumentToTextAndImages“ die Dokumente:

1. Das Dokument wird an das „FilterPlugin.OfficeDocumentToPDFContentFilter“ weitergeleitet, um
   1. es in ein PDF-Dokument zu konvertieren,
   2. das PDF-Dokument an das „FilterPlugin.PDFPreviewFPDFFilter“ weiterzuleiten, um
      1. die PDF-Vorschau zu generieren,
      2. das Miniaturbild zu generieren und
      3. Bilder für jede Seite zu generieren
2. Anschließend wird das Dokument an das Content-Filter-Plugin mit der höchsten Priorität weitergeleitet, um
   1. den durchsuchbaren Textinhalt zu generieren.

Weitere Informationen finden Sie im Abschnitt „Konfiguration“.

Das Filter-Plugin kann auf folgende Dateiendungen angewendet werden:

Konfiguration

Dieses Filter-Plugin ist standardmäßig deaktiviert oder muss ausdrücklich aktiviert werden.

Basiskonfiguration

Um dieses Plugin zu aktivieren, rufen Sie im Management Center das Menü „Konfiguration“ auf und öffnen Sie die Registerkarte „Filter“. Erweitern Sie die Einstellungen des Filterdienstes, der das FilterPlugin.OfficeDocumentToTextAndImages verwenden soll. Scrollen Sie nach unten zu „Inhaltsfilterdienste“ und fügen Sie die folgenden Plugins hinzu:

• FilterPlugin.OfficeDocumentToTextAndImages
• Jedes andere Plugin, das Ihre Office-Dokumente filtern und den Textinhalt generieren soll, z. B. FilterPlugin.Pandoc oder FilterPlugin.ApacheTika

Legen Sie die Priorität Ihrer Inhaltsfilter-Plugins fest:

• FilterPlugin.OfficeDocumentToTextAndImages: Sollte die höchste Priorität haben. Alternativ können Sie das FilterPlugin.OfficeDocumentToTextAndImages für jede Erweiterung, bei der es verwendet werden soll, manuell auswählen.
• Das andere zum Filtern des Inhalts verwendete Filter-Plugin muss eine niedrigere Priorität haben

Beispiel Anwendungsfall: Folien einer Microsoft PowerPoint Präsentation als Bilder einholen

Um die Seitenbilder aus der Ähnlichkeitssuche (NLQA) zusammen mit der Antwort von dieser Seite abrufen zu können, sind einige zusätzliche Konfigurationsschritte erforderlich. Weitere Informationen finden Sie unter „Konfiguration – Filter Plugins“ und in Konfiguration - Mindbreeze InSpire.

Wenn Sie beispielsweise zusätzlich zu den Antworten aus einer Microsoft PowerPoint-Präsentation auch die Folienbilder extrahieren möchten, müssen Sie den Filter und den Index wie folgt konfigurieren:

1. NLQA konfigurieren
2. In den Filtereinstellungen Folgendes konfigurieren:
   1. FilterPlugin.OfficeDocumentToTextAndImages als höchste Priorität für .pptx-Dokumente festlegen
   2. FilterPlugin.Pandoc als zweithöchste Priorität für .pptx-Dokumente festlegen
   3. In der Konfiguration von FilterPlugin.Pandoc Folgendes festlegen:

1. In den Indexeinstellungen, konfiguriere:

1. In den Client Service Einstellungen, konfiguriere:

Um zu überprüfen, ob die Konfiguration korrekt ist, öffnen Sie die Entwicklertools in Ihrem Browser und lösen Sie eine Ähnlichkeitssuche in Ihrer Insight-App aus. Die Antwort sollte Folgendes enthalten:

answers[].text.pages[].page.image

z. B. mit dem Wert:

„ref_id“: "tag:mindbreeze.com,2026:value-ref/key-to-your-file:2:mes:page_image_13

Siehe auch api.v2.search Schnittstellenbeschreibung - answers.text.pages.

Troubleshooting

Das FilterPlugin.OfficeDocumentToTextAndImages wird nicht verwendet

Wenn das FilterPlugin.OfficeDocumentToTextAndImages Ihre Dokumente nicht wie vorgesehen filtert, sind höchstwahrscheinlich die Prioritätseinstellungen Ihrer Inhaltsfilter falsch.

app.telemetry überprüfen

Sie können dies im Logpool des Filterdienstes „app.telemetry“ überprüfen. Wählen Sie die Filteranfrage für das Dokument aus, bei dem Sie eine Fehlerbehebung durchführen möchten, und öffnen Sie die zugehörigen Anfragen. Wenn Sie beispielsweise möchten, dass „FilterPlugin.OfficeDocumentToTextAndImages“ zusammen mit „FilterPlugin.Pandoc“ für PPTX-Dokumente verwendet wird, sollten die Anfragen vom Content-Filter-Service wie im folgenden Screenshot aussehen. „FilterPlugin.OfficeDocumentToTextAndImages“ sollte als erster Content-Filter aufgerufen werden; anschließend wird das Dokument an die anderen Content-Filter in der Filterkette weitergeleitet.

Überprüfen Sie die Datei „plugin-mapping.txt“ des Filterdienstes

Eine weitere Möglichkeit, die tatsächlichen Prioritäten des Inhaltsfilters zu überprüfen, ist die Datei „plugin-mapping.txt“ in den Protokollen des Filterdienstes (/data/logs/log-mesfilterservice-23400/current/plugin-mapping.txt); siehe Beispiel unten.

Extension: pptx

GroupID: FilterPlugin.OfficeDocumentToTextAndImages Priority: 9223372036854775807

        id: FilterPlugin.OfficeDocumentToTextAndImages extensionPoint: mindbreeze.filter.ContentFilterService priority: 20000 content_crc_calculation  registered

GroupID: FilterPlugin.Pandoc Priority: 20001

        id: FilterPlugin.Pandoc extensionPoint: mindbreeze.filter.ContentFilterService priority: 20001 registered

GroupID: FilterPlugin.ApacheTikaWithThumbnails-Latest Priority: 11100

        id: FilterPlugin.ApacheTikaWithThumbnails-Latest extensionPoint: mindbreeze.filter.ContentFilterService priority: 11100 registered

GroupID: FilterPlugin.ApacheTika-Latest Priority: 10050

        id: FilterPlugin.ApacheTika-Latest extensionPoint: mindbreeze.filter.ContentFilterService priority: 10050 registered

GroupID: FilterPlugin.OfficeDocumentToPDFContentFilter Priority: 10000

        id: FilterPlugin.OfficeDocumentToPDFContentFilter_1 extensionPoint: mindbreeze.filter.ContentFilterService priority: 10000 content_crc_calculation  registered

GroupID: FilterPlugin.MetadataOnly Priority: 50

        id: FilterPlugin.MetadataOnly extensionPoint: mindbreeze.filter.ContentFilterService priority: 50 registered