Composant additionnels pour le module de gestion de documents

Introduction

L’outil d’indexation intégré nécessite l’installation préalable d’utilitaires sur le serveur :

• catdoc permet d’extraire le contenu des documents MS Word
• catppt permet d’extraire le contenu des documents MS Powerpoint
• xls2csv permet d’extraire le contenu des documents MS Excel
• pdftotext permet d’extraire le contenu des documents Adobe PDF
• html2text permet d’extraire le contenu des documents HTML
• pdfinfo permet d’extraire les métadonnées des documents Adobe PDF
• jhead permet d’extraire les métadonnées des documents JPG
• hachoir permet d’extraire les métadonnées de très nombreux formats de document ( cf http://www.hachoir.org )

Installation des paquets

Le paquet python-profiler n‘étant pas en accord avec les directives de Debian sur les logiciels libres, nous devons modifier le fichier /etc/apt/sources.list pour avoir accès à ce paquet.

nano /etc/apt/sources.list

Puis rajoutez, “non-free” à la ligne ci-dessous :

deb <a href="http://ftp.fr.debian.org/debian/">http://ftp.fr.debian.org/debian/</a> lenny main

Ce qui donne :

deb http://ftp.fr.debian.org/debian/ lenny main non-free

Ensuite, en root :

apt-get update

L’installation sous Debian Lenny de ces outils est plutôt aisée

apt-get install catdoc xpdf-utils unrtf jhead html2text python-profiler python-hachoir-metadata