TikaMW — расширение MediaWiki.

Включение в сборку Mediawiki4Intranet:

Установка

Tika умеет извлекать текст из бинарных документов различных форматов — MS Office, Open Office, PDF и так далее.

Чтобы она работала, нужна Java и собственно, сама tika (tika-app.jar). Оную брать лучше тоже у нас, так как в нашей версии поправлен один баг и добавлена возможность слушать порт не на всех интерфейсах, а только на заданном (например, на 127.0.0.1).

Ссылки на баги, поставленные в апстрим по Тике: TIKA-709, TIKA-964.

Тику нужно прописать в автозапуск на сервере, как-то так:

java -jar tika-app-1.2-fix-TIKA709-TIKA964.jar -p 127.0.0.1:8072 -t -eutf-8

Если вы используете нашу сборку и наш ServerSettings.php, то прописывать Тику дополнительно не нужно — она уже там. А под виндами у нас и сфинкс пока отключён :)

Attention niels epting.svg Внимание! В оригинальной MediaWiki, начиная с 1.22, авторы убрали hook, на котором работала Tika. Чтобы его вернуть на место, к ядру MediaWiki нужно применить патч tikamw-mediawiki-1.26.diff из папки расширения. Обсуждение у нас на github: https://github.com/mediawiki4intranet/TikaMW/issues/2

В LocalSettings.php нужно прописать:

require_once "$IP/extensions/TikaMW/TikaMW.php";
 
// Адрес Tika-сервера (IP:порт)
$egTikaServer = '127.0.0.1:8072';
 
// Если ваша Tika новее 1.2 и поддерживает новые форматы,
// можно переопределить поддерживаемые MIME-типы:
$egTikaMimeTypes = '
    text/*
    application/*+xml
    application/xml
    application/vnd.oasis.opendocument.*
    application/vnd.openxmlformats
    application/vnd.ms-*
    application/msaccess
    application/msword
    application/pdf
    application/rtf';

Если в вики до этого уже были загруженные файлы, а вы по ним хотите искать — индекс нужно перестроить с помощью: