データの収集方法についての質問です。 

とあるサイトに膨大な量のPDFがあるのですが、多すぎて、とても全部は見れません。 
キーワードを設定して、内容にキーワードが含まれるPDFファイルだけを抜き出したいのですが何か簡単な方法かソフトはありますか?
宜しくお願いします。

回答の条件
  • 1人2回まで
  • 登録:2006/10/12 08:36:46
  • 終了:2006/10/16 14:57:44

回答(5件)

id:b-wind No.1

b-wind回答回数3344ベストアンサー獲得回数4402006/10/12 08:44:30

ポイント20pt

http://courier.adobe.co.jp/acrobat/a00013.html

データのダウンロード後であれば AdobeReader で複数ファイルから検索可能です。


http://www.google.co.jp/support/bin/answer.py?answer=469&top...

Web 上に公開されているデータでしたら、Google 検索の site: キーワードで URL を限定する事により、対象のサイトからのみの検索が可能です。

Google 検索結果には PDF も含まれますから、目的は満たせるかと思います。

id:tama2002

試したのですが、上手くいきません。 

タイトルのみの目次ページでgoogleの検索オプションを試したのですがリンク先のPDFの中身までは検索してくれないみたいです。 

ありがとうございました。

2006/10/12 09:08:59
id:KairuaAruika No.2

KairuaAruika回答回数6926ベストアンサー獲得回数972006/10/12 11:07:28

ポイント20pt

PDFデータをダウンロードすることは可能でしょうか。

可能であれば一度ローカルにダウンロードしてください。

Acrobatを起動し,

編集/検索

検索用のペインが現れますのでその中の,

「以下の場所にある全てのPDF文書」を選択してプルダウンメニューで,保存したローカルの場所を指定して検索すればOK。

id:tama2002

そうですね、ダウンロードすれば問題解決ですね。

でも出来ればダウンロードしないで検索する方法があれば助かります。(PHPのスクリプト等でも可です。)

ありがとうございました。 

2006/10/12 11:17:03
id:virus No.3

virus回答回数183ベストアンサー獲得回数12006/10/12 11:51:33

ポイント20pt

Google で検索出来ないということは、そのPDFがデータを文章として持ってない可能性がありますね。

試しに2、3個をダウンロードしてブラウザまたはAdobeReader で目的の語彙が検索可能かどうかですね。

あと、そのサイトは何らかのログイン等の制限がかかっているということはないですか?

id:tama2002

文章はデータとしてあって、ページに制限もかかってはいないです。

目的のページとは違うのですが、ここのページ http://www.cgt.mlit.go.jp/soumu/nyusatsu.html にもリンク先にPDFファイルが同じ様にあるのですが、googleの検索オプションではPDFの中までは検索できません、やり方が悪いのでしょうか?

2006/10/12 12:43:55
id:kurukuru-neko No.4

kurukuru-neko回答回数1844ベストアンサー獲得回数1552006/10/12 13:21:19

ポイント20pt

例のURLは以下のように検索できます。

>http://www.cgt.mlit.go.jp/soumu/nyusatsu.html

HTMLファイルを指定していするとHTMLを検索するので

そのデータが保存されているディレクトリーを指定する

必要があります。

"入札" filetype:pdf site:www.cgt.mlit.go.jp/soumu

id:tama2002

なるほど、こうすれば良いのですね、私のやり方が悪かっただけのようです。

ありがとうございました。

2006/10/12 13:38:26
id:virus No.5

virus回答回数183ベストアンサー獲得回数12006/10/12 13:51:08

ポイント20pt

すでに解決(?)してるようですので蛇足(補足)になりますが、Google の検索オプションで「ファイルタイプ」指定で「すべてのファイル」を指定すると一部のpdfファイルしか検索しないようです(理由は知りません)ので、ファイルタイプとして pdf だけを指定した方が良いようです。

id:tama2002

なるほど、気をつけます。

ありがとうございます。

2006/10/12 14:21:47

コメントはまだありません

この質問への反応(ブックマークコメント)

「あの人に答えてほしい」「この質問はあの人が答えられそう」というときに、回答リクエストを送ってみてましょう。

これ以上回答リクエストを送信することはできません。制限について

絞り込み :
はてなココの「ともだち」を表示します。
回答リクエストを送信したユーザーはいません