Delphi文件正文提取开发组件--文件内容搜索的高效工具

Graccvs文件正文提取开发组件支持各种文件提取正文，为Lucene/CLucene, Elasticsearch, Sphinx等全文检索工具，为OA，ERP，CRM系统使用文件提供文件正文使用和搜索，支持常见各种文件格式”.pdf", ".doc", ".odt", ".docx", ".dotm", ".docm", ".wps", ".xls", ".xlsx", ".xlsm", ".xltm", ".et", ".ppt", ".pptx", ".potm", ".pptm", ".ppsm", ".dps", ".ofd"(电子发票版式文件), ".rtf",".html", ".htm", ".mht", ".mhtml", ".eml", ".emmx", "xmind", "gmind", ".chm", ".zip" 等。

Graccvs提供免费版本，以下是调用过程及代码，起来文件输入修改为要提取的文件名称和类型即可。

以下是使用DLL过程：

1：建立Console Application工程或者 VCL Application工程。
2：拷贝 graccvs64.dll到工程中， 默认在exe输出位置。
3：拷贝graccvsTest.dpr文件相关代码 。
4：编译运行工程 。
5：点击这里下载完整工程包，这里下载最新DLL文件。

graccvsTest.dpr ：

program graccvsTest;
 
{$APPTYPE CONSOLE}
{$R *.res}
 
uses
    System.SysUtils,
    Windows,
    Types,
    DateUtils,
    Classes;
   
type
    // ----------------------以下为函数说明----------------------
 
    // DLL加载并设置动态库需要的临时文件夹，且对此文件夹要有读写权限
    TLoad = procedure(TempDir: PRawByteString); cdecl;
    (*
      注册软件：
      方式1：输入参数，corp为公司名称licText为注册码
      方式2：把授权文件grauth.lic保存到动态库相同文件夹,调用TAuth函数（corp, licText都为空）系统自动加载grauth.lic
      返回值：
      0：免费版本许可为空
      1：许可正常
      2：序列号（公司授权名称）错误
      3：加密数据格式错误
      4：许可过期
      5：许可验证错误
      6：无效的许可
      7：未知错误
 
      注1：如果注册失败，系统变为免费版本
      注2：免费版也需要调用此函数，corp和licText都为空
    *)
    TAuth = function(Corp, LicText: PRawByteString): Cardinal; cdecl;
 
    // 释放TToString， THttpToString等函数的返回指针
    TFreeString = procedure(P: PRawByteString); cdecl;
    // 得到最后的错误信息
    TLastError = function(): PRawByteString; cdecl;
 
    // 提供文件正文
    // Infile输入文件地址， 返回UTF-8编码字符串数据指针（此指针需要使用TFreeString函数释放内存）
    TToString = function(Infile: PRawByteString): PRawByteString; cdecl;
    // 提供文件正文，并保存到目标文件
    // Infile输入文件地址， Outfile为TXT目标文件文件地址
    TToTextFile = function(Infile, Outfile: PRawByteString): Cardinal; cdecl;
 
    // 提取Http/Https文件，返回字符串数据指针
    // Url=Http/Https地址
    // FileExt=文件类型（比如：".pdf"）,
    // Timeout=超时设置，超过此数值系统终止下载文件。单位为毫秒，默认为0（等待文件下载直到完成）
    // HttpParams=JSON格式Header数据和Cookie数据，默认为空
    (*
      JSON格式如下：
      {"headers":
      [{名称1: 值1},{名称2: 值2},...],
      "cookies":[
      {"name": 名称（字符串）, "value": 值（字符串）, "expires": 有效期（整数，单位毫秒）,
      "path": 路径（字符串）, "domain": 域名（字符串）},
      {"name": 名称（字符串）, "value": 值（字符串）, "expires": 有效期（整数，单位毫秒）,
      "path": 路径（字符串）, "domain": 域名（字符串）}
      ...
      ]}
      例如：
      {"headers":[{"client_id": "g01x9"}, {"client_secret": "e23c89cc9fe"}, {"client_index": 10092}],
      "cookies":[{"name": "ga", "value": "1020", "expires":36000000, "path": "/hx/", "domain":"www.gaya-soft.cn"},
      {"name": "xc3", "value": "10099", "expires":240000, "path": "", "domain":""}]}
    *)
    // 返回UTF-8编码字符串数据指针（此指针需要使用TFreeString函数释放内存）
    THttpToString = function(Url, FileExt: PRawByteString; Timeo