Adicione um formulário modal como este ao seu site com a Extensão de Formulário de Pesquisa Modal do SearchWP!
Análise de PDF fora do site
SearchWP inclui um analisador de PDF integrado que lê o texto de seus documentos PDF para que ele possa ser pesquisado, e funciona para a maioria dos documentos prontos para uso. Como os PDFs podem ser formatados de maneiras muito diferentes, o analisador integrado ocasionalmente não consegue ler um arquivo específico. Quando isso acontece, a integração Xpdf geralmente é uma boa solução, pois usa uma ferramenta mais capaz instalada em seu servidor. Em alguns servidores, no entanto, a instalação do Xpdf não é possível. É aí que entra a extensão Análise de PDF Fora do Site. Em vez de ler o arquivo em seu servidor, ele usa o próprio servidor do SearchWP para processar o documento e envia o texto extraído de volta ao seu site para indexação. Este artigo explica quando usá-lo, como configurá-lo, como funciona o processo e como solucionar problemas de um PDF que não será indexado.
Quando usar a Análise de PDF Fora do Site
O SearchWP oferece três maneiras diferentes de lidar com o processamento de PDF. Veja o que tentar, em ordem, dependendo de seus requisitos de processamento de PDF:
- Analisador integrado. Já faz parte do SearchWP e lida com a maioria dos PDFs sem nenhuma configuração.
- Integração Xpdf. Lê PDFs localmente com uma ferramenta mais capaz. O próximo melhor passo quando o analisador integrado falha, desde que seu host permita a instalação do Xpdf.
- Análise de PDF Fora do Site. Lê o PDF no servidor do SearchWP, portanto, não há ferramenta para você instalar. A escolha certa quando seu host não pode executar o Xpdf.
Algumas coisas para saber de antemão:
- Requer uma licença ativa do SearchWP Pro. Se a licença expirar, o serviço de análise para de funcionar.
- O PDF deve ser acessível em um endereço web público. O servidor SearchWP baixa cada arquivo por sua URL, portanto, PDFs em sites locais, de staging, protegidos por senha ou restritos por IP não podem ser lidos.
Instalação e configuração
A extensão está disponível para detentores de licença Pro como um download direto da página Downloads em sua conta SearchWP. Uma vez ativa, quase não há nada para configurar. Ela faz seu trabalho automaticamente.
- Desative a extensão Xpdf primeiro, se você a tiver. Vá para a página Plugins do seu site e desative a extensão SearchWP Xpdf. Se o Xpdf permanecer ativo, o SearchWP continuará lendo PDFs localmente em vez de enviá-los para fora do site.
- Instale e ative a Análise de PDF Fora do Site como qualquer outro plugin.
- Confirme se está ativada. Suas configurações ficam em SearchWP → Configurações → Extensões, na aba Análise de PDF Fora do Site.
- Ative a Reanálise do Conteúdo do Documento. Vá para SearchWP → Configurações → Diversos e ative Reanálise do Conteúdo do Documento. Isso informa ao SearchWP para limpar o texto que já armazenou para seus documentos e lê-los novamente na próxima reconstrução, para que seus PDFs existentes sejam processados pelo novo analisador externo em vez de manterem seu conteúdo antigo.
- Reconstrua o índice em SearchWP → Algoritmo para que seus PDFs sejam relidos e enviados para análise.
- Desative a opção Re-parse Document Content (Analisar Conteúdo do Documento Novamente) assim que o indexador terminar. Ela só é necessária para esta reconstrução. Deixá-la ativa torna todas as reconstruções futuras mais lentas, pois o SearchWP releria cada documento em vez de reutilizar o texto que já possui.
Após o término da indexação, você pode confirmar se o texto de um PDF foi capturado seguindo a personalização e verificação do conteúdo do documento.
Como funciona
Com a extensão ativa, a indexação de um PDF funciona assim:
- O SearchWP envia a URL pública do PDF para o servidor de análise do SearchWP.
- O servidor extrai o texto do PDF e o envia de volta.
- O SearchWP armazena esse texto como o conteúdo do documento para que ele possa ser pesquisado.
Tudo acontece automaticamente em segundo plano enquanto seu índice é construído. Não há nada para gerenciar depois que a extensão está ativa.
Segurança e privacidade
Aqui estão alguns pontos de segurança a serem considerados ao usar a extensão Offsite PDF Parsing (Análise de PDF Fora do Site):
- O arquivo é apenas texto e temporário. Seu PDF é mantido no servidor do SearchWP apenas o tempo suficiente para ler seu texto. Apenas o texto simples extraído é enviado de volta para o seu site, e o PDF baixado é excluído do servidor do SearchWP logo após a análise. Ele não é armazenado ou retido.
- O que é enviado: a URL pública do seu PDF, a URL do seu site e sua chave de licença (usada para confirmar que a solicitação é permitida).
- Acesso público é necessário. Arquivos protegidos por login ou qualquer restrição de acesso não podem ser alcançados, portanto, não serão analisados.
- Apenas mesmo domínio. O PDF deve estar hospedado no mesmo domínio do seu site registrado. Arquivos servidos de um domínio diferente ou de algumas CDNs são rejeitados.
- Licença é verificada por site. O servidor confirma se sua licença é válida para o site solicitante antes de analisar qualquer coisa e armazena essa verificação em cache por cerca de uma semana.
A tela de Erros e a reintrodução de PDFs
Se um PDF não puder ser analisado, a extensão registra o motivo na tela deseus Erros, em SearchWP → Configurações → Extensões → Offsite PDF Parsing. Cada documento com falha é listado com seu ID, título e o erro registrado.
Quando um PDF falha, a extensão para deliberadamente de tentar novamente. Ela registra a falha, esvazia o conteúdo armazenado desse documento e marca a entrada para ser ignorada, para que o SearchWP não entre em loop ou recorra à leitura local.
Depois de corrigir a causa subjacente (na maioria das vezes, tornando o PDF publicamente acessível), você pode colocar esses documentos de volta na fila. Marque as entradas afetadas e clique em Reintroduzir Selecionados. Isso limpa os marcadores de erro e de ignorar e reenfileira os PDFs para indexação.
Requisitos e limitações
- Uma licença ativa do SearchWP Pro para o site.
- Apenas PDFs padrão. O arquivo deve terminar em
.pdfe ser um PDF genuíno. PDFs protegidos por senha não são suportados. - Uma URL pública e do mesmo domínio para cada PDF (veja Segurança e privacidade).
- Um limite de tempo para solicitações. Seu site espera até 100 segundos por uma resposta. Um PDF muito grande ou complexo pode exceder esse tempo, caso em que falha e é sinalizado na tela de Erros.
Para desenvolvedores
Se você deseja alterar o endpoint para onde a solicitação de análise é enviada, por exemplo, para apontar para sua própria cópia do servidor de análise, você pode usar o seguinte hook personalizado:
// Send Offsite PDF Parsing requests to a custom parser endpoint.
add_filter( 'searchwp_offsite_pdf_parser_url', function () {
return 'https://your-parser.example.com/';
} );Adicione código personalizado como este através de um Plugin de Customizações SearchWP ou um plugin de snippets como o WPCode.
Solução de problemas
- PDFs não têm conteúdo, ou você vê o código
8. O arquivo (ou o site inteiro) não é publicamente acessível. Abra o URL do PDF em uma janela de navegador privada ou anônima. Se ele não carregar lá, o servidor SearchWP também não poderá carregá-lo. Confirme também que o PDF está no mesmo domínio que o seu site. - Ainda parece analisar localmente. Certifique-se de que a extensão Xpdf esteja desativada. Enquanto o Xpdf estiver ativo, o SearchWP lê os PDFs em seu servidor em vez de enviá-los para fora do site.
- Um PDF grande ou complexo falha. Este é geralmente o limite de tempo de 100 segundos, ou um arquivo protegido por senha ou não padrão. Verifique a tela de Erros para o código registrado.
- Erros de licença, ou código
0. Confirme se sua licença Pro está ativa para este site. - Confirme o que foi realmente indexado. Use personalizando e verificando o conteúdo do documento para verificar o texto armazenado.
- Ative a depuração para observar a extensão funcionar. Ela registra linhas
[Offsite PDF]para a solicitação enviada, a resposta recebida, se o comprimento e o checksum corresponderam, e qualquer erro.
Relacionado
Crie uma Experiência de Pesquisa WordPress Melhor Hoje
Nunca mais perca visitantes para resultados de pesquisa inúteis. O SearchWP torna a criação de sua própria pesquisa inteligente do WordPress rápida e fácil.
Adquira o SearchWP Agora