Andrey Kruchinkin
49f91247c7
Программа принимает папку с документами, извлекает из них текст и метаданные и строит каталог: краткое описание, тезисы и ключевые слова для каждого файла плюс поиск по всему собранному. Ядро: - extract: PDF, DJVU, DOC(X), RTF, ODT, CHM, EPUB, FB2, PPT(X), XLS(X), TXT; PDF передаётся MuPDF потоком в память (работают длинные пути) и ограничен по времени — повреждённый файл иначе чинится минутами; - summarize: экстрактивное реферирование по TF-IDF, посчитанному на самой библиотеке, с лёгким стеммером для русского и английского; - db: SQLite с полнотекстовым индексом FTS5, морфологический поиск с BM25; - scanner: инкрементальный многопоточный обход, счётчик попыток защищает от файла, обрывающего разбор; - report: автономный HTML с поиском, Markdown, JSON, CSV. Интерфейс: - окно PySide6 в тёмной теме: вкладки разбора и поиска, фоновый поток, карточка документа, правка своих ключевых слов; - командная строка: build, scan, analyze, report, search, show, tag, stats; - у каждой папки свой каталог, последняя обработанная запоминается. Сборка: scripts/build_exe.py даёт Catalogizer.exe в Windows и Catalogizer.app в macOS, иконки .ico и .icns рисуются кодом. Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
22 lines
321 B
Plaintext
22 lines
321 B
Plaintext
# Сборка
|
||
build/
|
||
dist/
|
||
.venv/
|
||
*.spec
|
||
|
||
# Иконки рисуются кодом: python scripts/make_icon.py
|
||
ico/
|
||
|
||
# Данные каталогов: свои у каждого пользователя
|
||
catalog.db
|
||
catalog.db-shm
|
||
catalog.db-wal
|
||
catalogs/
|
||
out/
|
||
.current
|
||
|
||
# Python
|
||
__pycache__/
|
||
*.py[cod]
|
||
.pytest_cache/
|