Lucyna

Java application for searching text in documents of various formats (TXT, PDF, RTF, ODF, OOXML) and in different languages of user's choice: English and Polish. The project consists of two main subprograms: Indexer and Searcher.

Technology stack

• Java 11
• Apache Tika (for text extraction)
• Apache Lucene (for full-text search)

Features

• Automatic document indexing (on the fly, when app running)
• Text extraction (different formats)
• Text searching in documents:
  • term query (single keyword search)
  • phrase query
  • fuzzy query
• CLI Tool (REPL Interpreter) for convenient searching

Examples of CLI usage

Searcher:

> %lang pl
> %details on
> %color on
> %term
> blabaliza
Files count: 1
/home/testuser/Documents/rblarba-pl.pdf:
Wykorzystanie teorii Fifaka daje wreszcie możliwość
efektywnego wykonania blabalizy numerycznej. ... Podejście wprost
Najprostszym sposobem wykonania blabalizy jest siłowe przeszukanie całej przestrzeni rozwiązań. ... W literaturze można znaleźć kilka prób opracowania heurystyk dla problemu blabalizy
(por. ... Korzystając z heurystyk daje się z pewnym trudem dokonać blabalizy w przestrzeni o np. 500 fetorach bazowych. ... Zasadnicza różnica w stosunku do innych metod blabalizy polega na tym, że przedstawienie
> %fuzzy
> rower
Files count: 1
/home/testuser/Documents/rblarba-pl.pdf:
Uniwersytet Warszawski
Wydział Matematyki, Informatyki i Mechaniki
Robert Blarbarucki
Nr albumu: 1337
Implementacja blabalizatora
różnicowego z wykorzystaniem
teorii fetorów ?-?
Praca magisterska
na kierunku INFORMATYKA
Praca wykonana pod kierunkiem
dr. hab. ... tłum. z chińskiego Robert Blarbarucki
>

Indexer arguments:

You can run the indexer with (at most one) of the following arguments this way:

java -jar indexer.jar --argName

Argument	Meaning
--purge	Remove all documents from index.
--add <dir>	Add the <dir> directory to the set of indexed (and watched) directories and recursively index all files under this directory.
--rm <dir>	Remove directory <dir> from the set of indexed catalogues and remove all files in it, also in subfolders, recursively.
--reindex	Remove all indexed files and index them once again, using --add option.
--list	Print list of all directories included in the index (added with --add option).

Installation

To build the app just use Maven mvn package It will build two jars searcher.jar and indexer.jar which are the corresponding parts of the application.