butterfly search 4.3 をリリースしました。  

リリース先:   https://www.vector.co.jp/soft/winnt/util/se437071.html

（vectorさんでの審査後に公開されます。執筆時点では旧バージョンが公開されています）


■新機能　メタ情報に対応

特定の拡張子※のファイルに対してメタ情報を採取するように機能追加しました。

IFilterというWidnowsの機能を使用しますので、拡張子に対応したIFilterをインストールしておく必要があります。

Microsoft Office系であれば、Microsoft Officeをインストールするか、FilterPack64bit.exe（https://www.microsoft.com/ja-jp/download/details.aspx?id=39668 ）をインストールしてください。


※メタ情報の採取を試みるファイル拡張子

.rtf  リッチテキスト 

.docx/docm  Microsoft WORD 2007(OOXML) 

.xlsx/xlsm  Microsoft Excel 2007(OOXML) 

.pptx/pptm  Microsoft PowerPoint 2007(OOXML) 

.doc.dot  Microsoft WORD ver5.0/95/97/2000/XP/2003 

.xls.xlt  Microsoft Excel ver5.0/95/97/2000/XP/2003 

.ppt  Microsoft PowerPoint 97/2000/XP/2003 

.sxw/.sxc/.sxi/.sxd  OpenOffice.org 

.odt/.ods/.odp/.odg  Open Document  

.jaw/jtw  一太郎 ver5 

.jbw/juw  一太郎 ver6 

.jfw/jvw  一太郎 ver7 

.jtd/jtt  一太郎 ver8/9/10/11/12 

.oas/oa2/oa3  OASYS/Win 

.bun  新松/松5/松6 

.wj2/wj3/wk3/wk4/123  Lotus 123  

.wri  Windows3.1 Write  

.pdf  Adobe PDF 

.mht  Webアーカイブ 

.html/htm  HTML 

.eml  OutlookExpressのエクスポート形式 

.xdw/xbd 富士ゼロックス Docuworks


メタ情報を採取する機能はSimpleMetaGetterという名前でtoolとして切り出しています。

ソースは下記に登録しましたので興味があれば確認してみてください。

https://github.com/HoshiTomoyuki440/SimpleMetaGetter


コメント

コメントを投稿

このブログの人気の投稿

よく使われる四文字熟語ランキング

四文字熟語　使用頻度　ランキング Wikipediaで一番頻繁に使用される四文字熟語を調査する。 日本語とbutterfly searchを組み合わせて、何か面白いことができないかな。。。が発端のこの企画。 １．調査対象 （１）Wikipediaの全ページの記事本文 jawiki-20161020-pages-articles-multistream.xml　9.7GB ダウンロード先 https://dumps.wikimedia.org/jawiki/20161020/jawiki-20161020-pages-articles-multistream.xml.bz2 （２）四字熟語 729種類　下記から入手 http://www.h3.dion.ne.jp/~urutora/4ji1.htm ※butterfly_searchにはデフォルトでサンプルとして組み込み済み ２．調査方法 butterfly_searchの一括検索機能を使用して、検索対象から検索キーの出現回数を調査する。 ※butterfly_searchは下記からダウンロード可能。 　http://www.vector.co.jp/soft/winnt/util/se437071.html ３．結果 順位 出現回数 四文字熟語 読み 意味 1位 3387  年中行事 ...
続きを読む
  butterfly search 2.8c をリリースしました。 リリース先:   https://www.vector.co.jp/soft/winnt/util/se437071.html （vectorさんでの審査後に公開されます。執筆時点では2.8bが公開されています） 大きな修正は ・大きいサイズの圧縮ファイルも処理できるように修正。 ・圧縮ファイルの処理がエラーになる不具合の修正。 ・インデックス生成時の進捗メッセージを修正。 ・放送コード.xlsの梱包を中止。 です。 内部の修正として「ファイルをこまめにCLOSEするようにした」もあります。 環境によっては同時ファイルオープン可能数が10000程度の場合があり、高速化の為に大きなファイルはCLOSEしないという作りがエラーを招いています。 修正点が多いのでデグレートしていたら教えてください。
続きを読む
イメージ
butterfly search 4.2 をリリースしました。   リリース先:   https://www.vector.co.jp/soft/winnt/util/se437071.html （vectorさんでの審査後に公開されます。執筆時点では旧バージョンが公開されています） 変更点は処理速度向上と表記ゆれ検索機能の追加になります。 ■新機能　表記ゆれ検索 この機能は聞いた事ないと思います。世界初※ではないでしょうか。 表記ゆれと言っても、タイポ（複数文字の誤りや抜け）を見つける機能となります。 簡単にいうと ・disc → disk　　　 ・flag → flg を見つけてくれます。 対象は「アルファベット」と「数字」と「_」の列のみとなります。 編集距離（レーベンシュタイン距離）を意識しています。 ※Word等にも表記ゆれ検知はありますが辞書にない単語を表示しているだけだと思います。 ■実力 品質が非常に高いと言われるLinuxのソースコード（https://github.com/torvalds/linux）で確認したいと思います。 「kernel」という単語を「一文字違う」条件で検索すると、 一瞬にして5件のkernelバグ？（たぶんスペルミス）を見つけました。 著作権表記「Copyright」を「一文字違う」条件で検索すると、 スペルミスが4件見つかりました。著作権違反？（笑） ぜひbutterfly searchを活用して表記ゆれを見つけてください。 コードレビュー時に使用すれば、みんなびっくりする事間違いなしです。 ■表記ゆれ検索の使い方 マニュアルの整備が追い付いていないのでここにメモを書きます。 使用方法 検索文字列を入れて「表記ゆれ」ボタンを押下します。 ヒント （１）検索文字には、?と*が使用できます。 ?は1文字を意味します。 *は複数文字を意味します。 「A??B」 で表記ゆれ検索すると、例えば「AAAB」がヒットします。 「A*B」 で表記ゆれ検索すると、Aで始まってBで終わる単語がヒットします。 下記の表記ゆれ条件はすべて外しても「?」「*」が含まれていれば検索します。 （２）シフトキー シフトキーを押下すると?と*の部分のみ表示されます。目がカチカチするのでこの機能を入れています。 ※1つ...
続きを読む