topic Re: Alfresco no encuentra archivos PDF in Alfresco Archive

Alfresco no encuentra archivos PDF

fcamposmx2000 — Thu, 23 Jun 2011 15:45:11 GMT

Tengo un problema, recientemente mi alfresco ya no busca en archivos PDF con OCR, anteriormente si funcionaba.Ya opté por reindexar lucene al full, pero sigo sin encontrar ningún archivo cuando se realiza una búsqueda.

Re: Alfresco no encuentra archivos PDF

psantis — Thu, 23 Jun 2011 18:39:57 GMT

no me queda claro si es la busqueda dentro de el pdf o el archivo que te dice el log?

Re: Alfresco no encuentra archivos PDF

fcamposmx2000 — Thu, 23 Jun 2011 19:20:38 GMT

no me queda claro si es la busqueda dentro de el pdf o el archivo que te dice el log?

Tengo repositorios conteniendo archivos pdf a los que se aplico ocr, y al ejecutar búsquedas de palabras sobre ese repositorio, alfresco no encuentra ningun archivo que contenga esa palabra o frase, cuando el archivo si la contiene.

Gracias.

Re: Alfresco no encuentra archivos PDF

rmacian — Fri, 24 Jun 2011 11:35:33 GMT

Verifica que el proceso de OCR se está ejecutando. No se que OCR estarás pasando pero imagino que habrás definido el extractor. Activando en log4j los exctractores podrás ver si el OCR está dando algún problema:

log4j.logger.org.alfresco.util.exec.RuntimeExec=DEBUG
log4j.logger.org.alfresco.repo.content.transform.ContentTransformerRegistry=DEBUG

una manera de ver si esta funcionando bien es coger un documento PDF y mediante las acciones convertirlo a texto plano.

Re: Alfresco no encuentra archivos PDF

fcamposmx2000 — Mon, 27 Jun 2011 18:02:02 GMT

Ya intenté hacer lo que me comentas y obtuve el siguiente error:

No se pudieron ejecutar acciones debido al error: 05270232 Content conversion failed: reader: ContentAccessor[ contentUrl=store://2011/5/26/12/53/219e4b38-44d7-4c2b-bd96-479d41910958.bin, mimetype=application/pdf, size=774902, encoding=utf-8, locale=es_ES] writer: ContentAccessor[ contentUrl=store://2011/6/27/13/0/99764264-b3dd-48c3-a9eb-0bb1aeff063f.bin, mimetype=text/plain, size=0, encoding=utf-8, locale=es_ES] options: org.alfresco.service.cmr.repository.TransformationOptions@90eb6c

Re: Alfresco no encuentra archivos PDF

rmacian — Tue, 28 Jun 2011 06:36:01 GMT

Eso solo te pasa con el documento escaneado o con cualquier PDF ? Como estás haciendo el OCR ?

Re: Alfresco no encuentra archivos PDF

fcamposmx2000 — Wed, 29 Jun 2011 14:39:09 GMT

Eso solo te pasa con el documento escaneado o con cualquier PDF ? Como estás haciendo el OCR ?

Cualquier PDF, de hecho estoy aplicando OCR con Acrobat Professional al momento de generar el PDF despues de escanear el documento, y el texto se encuentra dentro del archivo PDF, para darle la característica de PDF buscable.

Re: Alfresco no encuentra archivos PDF

fcamposmx2000 — Wed, 29 Jun 2011 17:26:11 GMT

Ya encontré la raíz de mi problema:

Los archivos PDF que estoy integrando al Alfresco poseen clave de protección, entonces PDFBox no puede extraer los textos que Lucene requiere para incluir en el índice, alguien sabe como pasarle la clave a PDFBox de tal forma que pueda abrir los archivos?

Saludos.