添付ファイルの本文を本体で抽出して検索する（改修案）

第1版作成 2026/09/25 09:58最終更新 2026/09/25 09:58（日本時間）

確認バージョン1.5.1.01.5.8.1

本体の標準機能ではありません

プリザンター本体には、添付ファイルからテキストを取り出す処理はありません。このページは、それを本体に組み込む場合の設計メモです。本体を改修せずに外部のワーカーで抽出する方法は 検索機能の内部実装 の「内部実装から導く検索の改善策」にあります。

前提にした現行実装

詳しくは 検索機能の内部実装 の「添付ファイルの中身の検索（SearchDocuments）」にまとめています。

• Items.FullText に入る添付ファイルの情報は、項目の「全文検索」の設定に応じてファイル名か GUID（または両方）だけです（FullTextExtensions.cs#L426-L458）。
• Search.json の SearchDocuments を true にすると、検索条件に Binaries.Bin への条件が or で足されます。

RDBMS	Binaries.Bin への条件	実質
SQL Server	contains("Bin", @p)。Binaries に全文索引があり、IFilter が拡張子に応じて本文を取り出す	IFilter が入っている形式だけ検索できる
PostgreSQL	encode("Bin", 'escape') %> @p。Binaries に索引は無い	テキストファイルだけ。Office 文書・PDF は検索できない
MySQL	0=1	検索できない

• 添付ファイルの保存先がデータベース以外（Local・LocalFolder・AzureBlob）だと、Bin は NULL になり、SQL Server でも検索できません。

案の比較

観点	1. 本体で抽出して Items.FullText に載せる	2. 外部の検索エンジン	3. RDBMS の拡張
手間	中	大	中〜大
RDBMS に依存しない	する	する	しない
今の仕組みとのなじみ	高い	低い	中
対応する形式の増やし方	ライブラリを足す	エンジン側で多くの形式に対応	RDBMS 次第
運用の手間	小	大	中

• 案 2 は 検索を外部の検索エンジンに外出しする にまとめています。権限を検索エンジン側でも持つ必要があり、改修は大きくなります。
• 案 3 は、PostgreSQL なら pgroonga や pg_bigm、組み込みの tsvector などに変える方法ですが、Office 文書や PDF のバイナリからテキストを取り出す処理はどれにも無く、抽出は別に必要です。

既存の Items.FullText の索引をそのまま使え、保存先や RDBMS に関係なく動くので、案 1 が現実的です。

案 1 の設計

図を読み込み中…

候補のライブラリ

ライブラリ	形式	ライセンス	備考
PdfPig	PDF	Apache 2.0	PDF のテキスト抽出に特化
iText（itext7）	PDF	AGPL（商用は有償）
DocumentFormat.OpenXml	docx / xlsx / pptx	MIT	Microsoft の SDK
NPOI	doc / xls / ppt / docx など	Apache 2.0	古い Office 形式にも対応
Apache Tika	多数	Apache 2.0	Java。REST で呼ぶ

PDF は PdfPig、Office 文書は Open XML SDK の組み合わせで主な形式をカバーできます。

改修箇所

箇所	内容
Binaries テーブル	抽出テキストを入れる列を足す（カラム定義を追加して CodeDefiner で作る）
添付ファイルの保存処理（Attachment / BinaryModel）	保存時に抽出する。大きいファイルはバックグラウンドで抽出する
FullTextExtensions.cs	添付ファイル項目の FullText() で、抽出テキストも連結する
Indexes.cs	検索インデックスの再構築でも抽出テキストを連結する
Search.json	抽出の有効・無効、対象の拡張子、1 ファイルあたりの最大文字数を足す

保存先がデータベース以外でも、抽出は保存の直前にメモリ上のデータで行えます。

注意点

論点	内容
保存時の負荷	抽出の分だけアップロードが遅くなる。大きいファイルや件数の多い一括登録はバックグラウンドに回す
Items.FullText の大きさ	1 レコード 1 文字列なので、1 ファイルあたりの文字数に上限を設ける
メモリ	大きいファイルの抽出でメモリを使う。サイズの上限を設ける
既存の添付ファイル	改修前に保存したファイルは、抽出を一括で実行してから再構築する
ライブラリの保守	形式ごとにライブラリの更新を追う必要がある

関連ページ

• 検索機能の内部実装
• 検索を外部の検索エンジンに外出しする
• 全文検索の環境構築
• 添付ファイルの保存先