Если в моем каталоге что-то понравится, пишите, попытаюсь выложить.

Пользуюсь бесплатной программой Mindbreeze австрийской фирмы Fabasoft. Эта сравнительно небольшая программка сперва индексирует файлы (*.pdf, *.doc и др.) на жёстком диске. Этот процесс может длиться достаточно долго (10-20 часов), в зависимости от скорости компьютера, колличества и размера файлов.

После того, как индекс создан, можно искать по ключевому слову. В качестве результата программа выдает список файлов (с коротким описанием содержания), в которых встречается введйнный запрос. Естественно, по названию файла можно тоже искать. В почте Outlook - тоже можно.

При добавлении новых файлов на диск программа обновляет индекс. Этот процесс уже не такой длительный как в первый раз.

После этого из списка можно выбрать нужную книгу и одним кликом открыть нужный файл. Далее с помощью встроенного в Acrobat Rader/Foxit Reader ищем нужную страницу. Образно выражаясь, получается что-то типа поиска Google, только по файлам на жёстком диске:) Весьма удобно по-моему.

Можно купить два или три быстрых винчестера. На хорошее дело не жалко. Более того, они нынче дешевые стали. Они обойдутся по цене 1-2 новых книг (SATA Samsung Spinpoint F2 1.0Tb стоит 60€).

я записываю в екзеловский файл, по разделам, записываю на диски по два экземпляра по мере накопления, при поиске Edit-Find.

Касательно индексации. Есть отличная программа Google Desktop от компании догадайтесь какой. Индексирует все, до чего дотягивается (причем довольно быстро, 40-50 гб за час-полтора) и что распознано. Ищет по индексу в течение секунд.

Есть минус - нужен интернет (видимо для поиска используется сам гугл). Без интернета ничего на работает.

Есть еще аналогичный Персональный поиск Яндекса, тоже понятно от кого. Он подключения к Интернету во время поиска не требует.

Текстовый поиск с Total Commander.

Каталогизация литературы – актуальная тема. Проблема рассматривалась на кемпорте, руборде и других форумах. Вопрос можно разделить на две части – собственно составление каталогов и текстовый поиск.
В этом сообщении я хотел бы поделиться своими успехами именно в поиске. Существуют две возможности текстового поиска – с предварительной индексацией и без. По ходу следует отметить принципиальную возможность текстового поиска только в файлах с распознанным текстом. По стандарту текстовый слой в djvu файлах должен быть в UTF-8, но иногда встречается в кодировке Windows-1251 (кодовая страница, далее я буду для краткости называть её ANSI, хотя это несколько разные понятия). Это надо иметь ввиду, но не всегда можно учесть. С файлами формата pdf, имеющими текст на кириллице, всё бывает сложнее. Кодировки и шрифты используют кто во что горазд. Возможность поиска для каждого файла следует проверить. Простой способ – выделить кусок текста и скопировать его в блокнот. Если не копируется, возможно, файл защищён от копирования. Снять защиту можно утилитой A-PDF Password Security http://ru.software-free-download.net/archives/1084 Хотя она коммерческая, но опция снятия пароля работает бесплатно.
Если скопированный текст не читается, возможно поможет обработка исходного файла утилитой pdf-recode.
http://forum.rudtp.ru/showthread.php?t= ... ge=1&pp=20
Рассмотрим поиск с предварительной индексацией.
http://forum.ru-board.com/topic.cgi?for ... &start=160
Кроме упомянутых выше существуют: штатная служба индексирования в винде и Windows Searсh http://www.microsoft.com/downloads/deta ... layLang=ru от MS, но все они требуют установки фильтров (Ifilter), которые по-существу являются извлекателями текста из файлов разного формата и часто требуют установки дополнительных кампонентов, таких как NET Framework.

Всё дальнейшее описание связано с применением файлового менеджера Total Commander (далее в тексте TC), у меня установлена версия 7.50а. Если на панели инструментов (тулбаре) отсутствует кнопка "Поиск файлов" в виде бинокля, её лучше установить. Кликнуть правой кнопкой по свободному месту тулбара, выбрать "Изменить" и "Добавить", заполнить поля в диалоговом окне:


1. Поиск с индексированием вручную.
1.1. Предлагаю для рассмотрения вариант ручного индексирования файлов с минимальной установкой дополнительных компонентов.
Штатными средствами WinDjView извлекает текст из *.djvu в кодировку ANSI, но по одному файлу. Используя конвертер djvutxt.exe из комплекта DjVuLibre можно это делать групповым образом (Здесь и далее под конвертером понимается комплект *.exe и необходимые для его работы компоненты. В случае djvu достаточно пяти файлов:
djvutxt.exe
libdjvulibre.dll
libjpeg.dll
Microsoft.VC90.CRT.manifest
msvcr90.dll)
Надо один раз создать .bat файл, например, на 99 файлов и использовать его можно многократно. Содержание .bat файла может быть, например, таким:
djvutxt 01.djvu 01
djvutxt 02.djvu 02
.
.
.
djvutxt 99.djvu 99
Дальнейшие действия с помощью TC напоминают танец с бубном.
Надо создать временную папку, скопировать туда индексируемые .djvu файлы, конвертер и созданный .bat файл.
Групповым переименованием заменить названия исходных файлов на номера от 01.djvu. Затем запустить батфайл. После того, как будут получены все выходные текстовые файлы без расширений, надо открыть второе окно коммандера и в нём удалить из временной папки все исходные djvu, а полученным текстовым файлам групповым переименованием присвоить расширения .djvu. После этого перейти в первое окно коммандера и произвести откат группового переименования. В результате имеем текстовые файлы с именами исходных файлов и расширениями .djvu. Остаётся заменить расширения на .txt.
1.2. Существует и более лёгкий способ группового извлечения текстов – при помощи плагина executor. http://wincmd.ru/plugring/executor.html
Для этого надо скопировать комлект файлов соответствующего конвертера непостедственно в папку с плагином (из дальнейшего станет ясно, почему именно так). Файл настройки плагина должен быть соответствующим образом сконфигурирован. В настройках архиваторных плагинов выполнить ассоциацию требуемых типов файлов с плагином. Теперь достаточно выделить файлы на файловой панели ТС, нажать кнопку "Распаковать файлы" на панели инструментов и после соответствующего диалога на начнётся извлечение в текстовые файлы с исходными именами в папку, открытую на неактивной файловой панели.
К сожалению, текущая версия плагина имеет баг: формируемые им команды ограничены 256 символами, куда входят имена входного и выходного файлов и конвертера с абсолютными путями, если не уложитья – имя выходного будет обрезано. Поэтому, рекомендуется создать папку с коротким путём, например C:/Tmp, и в неё скопировать исходные файлы, выходные файлы могут создаваться в ней же. Из этих же соображений удобнее, когда ТС установлен в папку Wincmd в корневой директории диска.
Имеется альтернативный плагин того же назначения http://wincmd.ru/plugring/ctconv.html
но у него другие недостатки: требует наличия в папке System32 библиотек msvcr71.dll и msvcp71.dll которых нет в исходном дистрибутиве WinXP, они ставятся с какими-то обновленями. Но у меня получилось их просто скачать и запихнуть в эту папку, с настройками этого плагина под конвертеры я пока не разобрался.
Для других форматов есть соответствующие конвертеры, подробнее об этом я расскажу во второй части, операции с ними аналогичны описанным для djvu.
По умолчанию ТС ищет текст в ANSI кодировке, можно отметить другую. Для удобства (однозаходного поиска)
целесообразно все текстовые файлы привести к этой кодировке. Для этого в программе Shtirlitz 4 версии есть специальная опция. Но тут нас ждёт облом – не прописана таблица символов для входных текстовых файлов в кодировке UTF-8. Можно, конечто, вручную набить эту таблицу, но можно перекодировать групповым образом, используя текстовый редактор Akelpad viewtopic.php?p=14118#p14118
Выделить нужные файлы и перетащить их в окно этого блокнота. (Сам я для этой операции пользуюсь утилитой http://wincmd.ru/plugring/ChoiceEditor_patched.html ). В меню файл "Сохранить все как" и выбрать кодировку. Аналогично – для других типов файлов, которым имеет смысл заменить кодировку текста. Теперь рассмотрим собственно сам процесс поиска. Например, мой архив журнала «Химия и Жизнь» структурирован таким образом, что в папке с номерами в .djvu или .pdf за год лежат так же и файлы .txt извлечённых текстов с теми же именами. Выбираю нужную папку и вызываю диалоговое окно поиска. В поле "Искать файлы" задаём маску *.txt , отмечаем "С текстом" , набираем искомое слово. На втором пентиуме поиск в полтысяче файлов занимает меньше минуты. Для уточнения поиска "Файлы – на панель", "Инвертировать выделение (Выделить все)". Теперь можно в найденном искать файлы с другим словом. Далее открываем просмотр и в меню "Правка" выбираем поиск слова уже внутри файла. Либо "Файлы – на панель", открыть соответствующий найденному djvu или pdf и продолжить поиск слова внутри файла средствами вьювера.
Безусловно, поиск с предватительным индексированием, т.е. среди текстовых файлов происходит во много раз быстрее, однако требует вышеописанной подготовки и дополнительного места. Грубо говоря, txt могут занимать около десятой части от веса индексируемых djvu и pdf. Однако, для htm(l), doc, docx, fb2, chm индексирование я считаю нецелесообразным. Chm и docx вообще сжатые форматы и если в этих файлах мало рисунков, может оказаться, что извлечённый текст будет весить больше исходного файла.

2. Поиск без предварительного индексирования.
2.1 Поиск без плагинов.
В файлах txt, htm(l), fb2 текст можно найти без предварительной индексации, однако исходная кодировка у них может быть разная, это легко проверяется в окне просмотра (F3) подбором кодировки. Чтобы не искать в несколько приёмов, желательно все файлы этих форматов привести к единой кодировке, как описано выше.
Например, для удобства поиска текста в файлах .htm(l). Выделив папку, вызываем окно поиска, в поле "Искать файлы" вводим маску *.htm, v "С текстом" вводим "charset=utf-8" (без кавычек), включаем поиск,

"Файлы на панель", "Выделить все", открыть Akelpad, перетащить в его окно выделенные файлы, найти charset=utf-8 и заменить на charset=windows-1251 , только после этого редактирования сохранить в этой кодировке. При установленных плагинах http://wincmd.ru/plugring/chmdir.html и http://wincmd.ru/plugring/mht.html файлы chm и mht рассматриваются в качестве архивов, при отмеченной опции "Искать также в архивах (кроме UC2)" то же самое можно проделать для файлов htm(l) внутри этих архивов и после перекодировки перепаковать их средствами этих же плагинов. В .fb2, как и в .htm(l) нетрудно найти и исправить тег, задающий кодировку (encoding="UTF-8") заменить на encoding="windows-1251" и сохранить все в этой кодировке.
При поиске в .doc задают Unicode (UTF-16). Таким образом, в случае разных типов фаилов, приходится искать в несколько приёмов. Текстовый поиск без применения поискового плагина идёт быстрее, в том числе и в архивах.

2.2 Использование плагина TextSearch.
Плагин извлекает текст во временную папку "на лету". Используются при этом те же конвертеры.

В диалоговом окне открывают вкладку "Плагины", выбирают плагин textsearch, в поле "Значение" вводят искомое слово (при этом вкладка "Общие параметры" должна быть правильно заполнена). Найденные файлы можно просмотреть, нажав кнопку "Просмотр" и продолжить поиск внутри них.
Для просмотра в виде текста используется плагин wlx_multilister. Плагин соответствующим образом настроен. В меню просмотрщика "Вид" выбран пункт "Графика / Мультимедиа / LS-плагины". По тексту (уже внутри файла) возможен поиск. Через плагин можно искать текст в файлах и тех типов, для которых применение плагина необязательно. Это даёт возможность поиска за один проход в файлах разных типов и кодировок.
Рассмотрим особенности поиска для каждого типа файла и конвертера.

В *.txt плагин находит текст в кодировках ANSI, UTF8 и UTF16. При желании можно добавить или удалить кодировки редактированием файла настроек \Plugins\wdx\TextSearch\TextSearch.ini. Просмотр по F3, изменение кодировки через меню просмотрщика.

*.htm(l) аналогично. По умолчанию ищет в кодировках ANSI и UTF8. При просмотре в меню "Вид" выбрать "5 HTML (без показа тегов)". *.xml так же.

*.rtf (wri) – то же самое. Просмотр и поиск внутри файла – средствами ТС, плагин не требуется, "Вид" - "Графика / Мультимедиа / LS-плагины"

Файлы MS Office: *.doc, *.docx, *.xlsx, *.pptx: при поиске плагин использует конвертер xdoc2txt.exe из Японии http://www31.ocn.ne.jp/~h_ishida/ . Просмотр текста и поиск внутри файлов через плагин wlx_multilister с использованием того же конвертера.

Как уже говорилось выше, для *.djvu с OCR применён конвертер из комплекта DjVuLibre. http://sourceforge.net/projects/djvu/fi ... e_Windows/ Просмотр текста выбранного файла и поиск внутри файла через плагин wlx_multilister с использованием того же конвертера.

Для *.pdf – gettext http://kryltech.com/freestf.htm#util
Этот конвертер извлекает текст даже из защищённых от этого файлов. Просмотр текста выбранного файла и поиск внутри файла через плагин wlx_multilister с использованием того же конвертера. Многие вьюверы тоже могут искать текст среди файлов pdf в заданной папке. Только надо учесть, что Foxit Reader некоторых версий имеет баг – поиск кириллицы чувствителен к регистру, поэтому лучше пользоваться PDF-XChange Viewer
http://www.tracker-software.com/product/downloads

*.fb2 Поиск через конвертер fb2txt, взятый из комплекта FB2Any http://www.gribuser.ru/xml/fictionbook/2.0/software/
Если программа не установлена, для работы конвертера требуется зарегистрировать fb_2_txt.dll, кликнув \Plugins\wdx\TextSearch\Conv\fb2txt\Зарегистрироватьfb_2_txt.dll.bat. Просмотр текста и поиск внутри файла возможен без плагина, в меню "Вид" выбрать "5 HTML (без показа тегов)", подобрать кодировку (обычно ANSI или UTF-8).

*.chm Поиск через конвертер FiltDump.exe от Microsoft, для работы требуется зарегистрировать библиотеку \Plugins\wdx\TextSearch\Conv\Chm\ЗарегистрироватьCHMIFilter.dll.bat. Просмотр файла и поиск внутри через плагин wlx_multilister, конвертер тот же. В случае файла большого размера (типа Новый справочник химика и технолога.chm) ТС может зависнуть, рекомендуется поиск без плагина "в архивах" при установленном CHMDir.

Для *.hlp, *.xls, *.ppt, *.pps использован конвертер gettext, для *.mht – XDoc.

В настройках плагинов прописаны пути к конвертерам для следующего расположения папок в ТС:


В окне просмотра через плагин wlx_multilister тоже есть кнопка поиска текста в файлах заданной папки. Этой возможностью пользоваться менее удобно. Зато это можно и без использования ТС.
На самом деле ТС является коммерческой программой и не у всех есть. Но существует бесплатная версия просмотрщика Universal Viewer http://www.uvviewsoft.com/index-ru.htm к которому можно установить тот же плагин wlx_multilister, однако настраивать его придётся самостоятельно.

Настроенные плагины:

Эта утилита (ссылка в предыдущем сообщении) в некоторых случаях позволяет исправить .pdf с текстом на кириллице, чтобы получить возможность текстовых операций (поиск, извлечение, копирование, не путать со снятием защиты, для этого другая утилита) Автор - модератор форума "Дизайн и вёрстка" с ником "1998".
Работает из командной строки, либо через меню файла "Открыть с помощью", выходной файл будет помечен плюсиком.
Недавно попался файл ГОСТа, для которого эта утилита бесполезна: версия pdf 1.7, Foxit Reader 3.0 с текстом не даёт работать, как будто он не распознан, хорошо, что PDF-XChange Viewer недавно я обновил до последней версии. Но поиск и просмотр текста через плагины предыдущего сообщения в таких файлах не работают.

Можно (и проще даже) использовать технику drag and drop - подтащить мышкой файл и бросить его на иконку программки ("верблюда покормить").
Эта прога помогла мне исправить довольно много журналов "Квант" - около половины тех, что у меня есть.
Но обычно она, к сожалению, нечасто срабатывает.

Тут вот как раз обсуждается тема индексирования документов: http://superuser.com/questions/433319/d ... dexes-djvu
Оказывается, в Win 7 можно настроить поиск по pdf и djvu средствами индексирования системы. Нужно лишь загрузить соответствующие плагины, т. н. ifilter для поиска в текстовом слое djvu или pdf. Так, для поиска pdf есть ifilter от Adobe (бесплатный, см. напр. http://www.bring2mind.net/Support/Forum ... fault.aspx), Foxit iFilter (платный, но входит в состав Phantom:) или SumatraPDF. Наверное есть и другие.
Сложно сказать сколько может занять индексирование библиотеки с 1 тб и более, но на 20-50 гб, должно работать.
Архивариус 3000 сам не пробовал, но собираюсь попробовать. Может то уже использует? Поделитесь опытом!

На ХР тоже можно, только я не пробовал. Повторю ссылку, пока есть поддержка (в следующем году страницу могут удалить) http://www.microsoft.com/ru-ru/download ... aspx?id=23
Непонятно, по каким причинам Яндекс прекратил поддержку своего продукта YandexDesktop, но в Сети его можно найти. Со временем планирую попробовать.
Кстати, не все плагины к коммандеру нормально работают под Win 7.

Попробовал Arhivarius 3000. Ничё так. Функционално, можно создать несколько индексов. Индексирование папки с книгами 35 гб заняло около 7 часов на phenom 2,3 ghz, 4Gb RAM.

На днях закончил разделение разворотов на отдельные страницы в файлах книг своей библиотеки. Теперь нумерация страниц в файлах соответствует нумерации в книгах, почти во всех сканах, кроме нескольких, где это не целесообразно. Принимаю заявки на выкладывание.
ШИФР КАЧЕСТВ ДОКУМЕНТА ЧЕРЕЗ РЕГИСТР БУКВ В РАСШИРЕНИИ ФАЙЛА.

*.djvu

d - текст не распознан либо распознан неправильно,
D - наличие OCR на большинстве страниц.

j - текст местами не читается, или истинное разрешение < 300 dpi,
J - текст разборчив.

v - закладки в оглавлении отсутствуют,
V - интерактивное оглавление (BookMarked).

u - страницы разворотами,
U - большинство страниц разделено.

djv - низкое качество, файл получен фотографированием.

*.pdf

p - файл получен сканированием бумажного документа,
P - файл является результатом вёрстки.

d - текст не распознан, в неправильной кодировке или защищён от копирования -
- текстовые операции невозможны,
D - правильный OCR слой.

f - интерактивное оглавление отсутствует,
F - навигация по документу возможна по ссылкам в оглавлении (BookMarked).

*.chm

c - кодировка текста Windows-1251,
C - кодировка текста UTF-8.

H - файл совместим с SumatraPDF v.3.X

m - панель вкладок скрыта,
M - навигация по документу по ссылкам на панели.

Попадаются справочники с таблицами на разворот, при этом в файле формата .djvu страницы разделены.
Просмотр в WinDjView v.2.-v.3.
Чтобы развороты стыковались правильно, достаточно в меню Вид—›Расположение поставить (или наоборот - убрать) галку Первая страница отдельно.
Список получен при помощи плагина к Total Commander http://wincmd.ru/plugring/diskdir.html