Valider 00cce098 rédigé par rastapopoulos@spip.org's avatar rastapopoulos@spip.org
Parcourir les fichiers

Encore remaniement de comment on cherche les extracteurs. Désormais : 

1) on a deux dossiers "defaut" et "fallback", dans le premier on y met les librairies bien, les plus complètes ou les plus rapides, dans le second, les librairies moins cool, par exemple les trucs tout en PHP
2) pour chacun de ces dossiers, on a deux possibilités
   2.1) soit on met les fonctions dans un dossier de type MIME, comme "fallback/application_pdf/truc.php", si on veut gérer un ou des types précis
   2.2) soit on met à la racine, comme "defaut/truc.php" pour les librairies qui savent gérer de nombreux types d'un coup d'un seul

Pour résumé, l'ordre de recherche est donc le suivant :
- extraire/defaut/application_pdf/10_superlib_pdf.php
- extraire/defaut/10_superlib_generique.php
- extraire/fallback/application_pdf/10_pourri_pdf.php
- extraire/fallback/10_pourri_generique.php

Pour chaque librairie c'est comme avant : on fait une fonction "test" et une fonction "extraire", suivant le formalisme de nommage de charger_fonction().

On a donc maintenant la possibilité de fournir des librairies génériques comme Tika qui savent gérer tous les fichiers ou presque, et cela SANS créer un fichier pour chaque 200 types MIME que ça gère !…
Cf l'exemple dans "extraire/defaut/10_tika_server.php".
parent ffb18eac

.gitattributes

+2 −2
Numéro de ligne d'origine Numéro de ligne de diff Ligne de diff 
* text=auto !eol

extraire/application_pdf/10_tika_server.php -text

extraire/application_pdf/90_pdfparser.php -text

extraire/defaut/10_tika_server.php -text

extraire/fallback/application_pdf/90_pdfparser.php -text

finfo/magic -text

inc/extraire_document.php -text

lib/Composer/Autoload/ClassLoader.php -text

extraire/application_pdf/10_tika_server.php→extraire/defaut/10_tika_server.php

+2 −2
Numéro de ligne d'origine Numéro de ligne de diff Ligne de diff
@@ -3,7 +3,7 @@ 
/**

 * Tester si cette méthode d'extraction est disponible

 **/

function extraire_application_pdf_10_tika_server_test_dist() {

function extraire_defaut_10_tika_server_test_dist() {

	include_spip('inc/distant');

	

	// On cherche si le serveur Tika est bien lancé en local (valeurs peut-être à configurer…)
@@ -24,7 +24,7 @@ function extraire_application_pdf_10_tika_server_test_dist() { 
 * @param $fichier le fichier à traiter

 * @return Scontenu le contenu brut

 **/

function extraire_application_pdf_10_tika_server_extraire_dist($fichier) {

function extraire_defaut_10_tika_server_extraire_dist($fichier) {

    $infos = array('contenu' => false);

    $contenu = '';

extraire/application_pdf/90_pdfparser.php→extraire/fallback/application_pdf/90_pdfparser.php

+2 −2
Numéro de ligne d'origine Numéro de ligne de diff Ligne de diff
@@ -3,7 +3,7 @@ 
/**

 * Tester si cette méthode d'extraction est disponible

 **/

function extraire_application_pdf_90_pdfparser_test_dist() {

function extraire_fallback_application_pdf_90_pdfparser_test_dist() {

	if (

		is_dir(_DIR_RACINE . 'lib/TCPDF-6.2.6')

		and is_dir(_DIR_RACINE . 'lib/pdfparser-0.9.22/src')
@@ -22,7 +22,7 @@ function extraire_application_pdf_90_pdfparser_test_dist() { 
 * @param $fichier le fichier à traiter

 * @return Scontenu le contenu brut

 **/

function extraire_application_pdf_90_pdfparser_extraire_dist($fichier) {

function extraire_fallback_application_pdf_90_pdfparser_extraire_dist($fichier) {

    $infos = array('contenu' => false);

    $contenu = '';

inc/extraire_document.php

+33 −18
Numéro de ligne d'origine Numéro de ligne de diff Ligne de diff
@@ -75,29 +75,44 @@ function inc_extraire_document($document = array()) { 
	}

	

	// On cherche le bon extracteur de jus de fichier

	// tous les "extraire/application_pdf/10_superlib.php"

	// le test n'est fait qu'une seule fois par type MIME, on garde le résultat en mémoire

	$chemin_mime = str_replace('/','_', $mime);

	$chemin_mime = preg_replace('/[^\w_]+/','_', $mime); // on accepte seulement chiffre, lettre, et _

	$fonction_extraire = null;

	// Si on a déjà un extracteur pour ce type MIME

	if (isset($extracteurs_ok[$chemin_mime])) {

		$fonction_extraire = $extracteurs_ok[$chemin_mime];

	}

	elseif ($extracteurs = find_all_in_path("extraire/{$chemin_mime}/", '[.]php$')) {

	else {

		// On cherche dans l'ordre :

		// extraire/defaut/application_pdf/10_superlib_pdf.php

		// extraire/defaut/10_superlib_generic.php

		// extraire/fallback/application_pdf/10_pourri_pdf.php

		// extraire/fallback/10_pourri_generic.php

		foreach (array(

			"extraire/defaut/{$chemin_mime}/",

			"extraire/defaut/",

			"extraire/fallback/{$chemin_mime}/",

			"extraire/fallback/",

		) as $dossier) {

			if ($extracteurs = find_all_in_path($dossier, '[.]php$')) {

				$extracteurs = array_keys($extracteurs);

				sort($extracteurs); // On trie par nom pour chercher dans un ordre

				

				// On teste si ça marche dans l'ordre

				foreach ($extracteurs as $fonction) {

					$fonction = substr($fonction, 0, strlen($fonction)-4);

					

					// Si la librairie trouvée existe et que le test dit qu'elle est bien active

					if (

				// extraire_application_pdf_10_superlib_test_dist()

				$fonction_test = charger_fonction('test', "extraire/{$chemin_mime}/{$fonction}")

				and $fonction_test()

						$fonction_test = charger_fonction('test', $dossier.$fonction)

						and $fonction_test($mime)

					) {

				// extraire_application_pdf_10_superlib_extraire_dist()

				$fonction_extraire = charger_fonction('extraire', "extraire/{$chemin_mime}/{$fonction}");

						// On cherche la vraie fonction d'extraction et on la garde en mémoire

						$fonction_extraire = charger_fonction('extraire', $dossier.$fonction);

						$extracteurs_ok[$chemin_mime] = $fonction_extraire;

				break; // On arrête la recherche, on a trouvé le meilleur extracteur

						break 2; // On arrête la recherche, on a trouvé le meilleur extracteur

					}

				}

			}

		}

	}

paquet.xml

+2 −2
Numéro de ligne d'origine Numéro de ligne de diff Ligne de diff 
<paquet

	prefix="extrairedoc"

	categorie="outil"

	version="1.1.0"

	etat="dev"

	version="1.2.0"

	etat="test"

	compatibilite="[3.0.0;3.1.*]"

	logo=""

	documentation=""

Forge communautaire SPIP | Charte d'utilisation | Signaler un problème sur ce site