رضا.
← بازگشت به پروژه‌ها

03 / WINDOWS FILE SEARCH

دستیار هوشمند جستجوی اسناد

گاهی اسم یادمان نمی‌آید، اما نویسنده، برچسب یا بخشی از متنش را می‌دانیم. این ابزار را ساختم تا در آرشیوهای محلی و مسیرهای شبکه‌ای، خودِ فایل و اطلاعات اطرافش را یک‌جا جست‌وجو کند؛ بدون اینکه ساختار پوشه‌ها را عوض کند یا سندی را به فضای ابری بفرستد.

PythonWindows COMPyMuPDFOffline-First
رابط دستیار هوشمند جستجوی اسناد

جست‌وجو فقط روی نام فایل نیست

دستیار هوشمند جستجوی اسناد نام و مسیر فایل، متن قابل استخراج و Windows File Properties را کنار هم قرار می‌دهد. Properties شامل فیلدهایی مثل Tags، Title، Authors و سایر metadata قابل‌دسترسی است. این اطلاعات از طریق Windows COM و Shell.Application خوانده می‌شوند؛ بنابراین چیزی که در پنجرهٔ Properties ویندوز ثبت شده، می‌تواند بخشی از نتیجهٔ جست‌وجو باشد.

چند ریشه، یک جست‌وجو

برنامه هم پوشهٔ کنار خودش و هم مسیرهای محلی، درایو جانبی و UNC تعریف‌شده توسط مدیر را اسکن می‌کند.

استخراج چندلایه

متن Word، PDF و فایل متنی در کنار Properties، Tags، Title، Authors و مسیر ذخیره می‌شود.

کش محلی و اتمیک

نتیجه در JSON قابل مشاهده نگهداری و با فایل موقت و os.replace جایگزین می‌شود تا نسخهٔ سالم قبلی حفظ شود.

جست‌وجوی فارسی

موتور تطبیق تفاوت بعضی حروف فارسی و عربی را مدیریت می‌کند و نتیجه را بدون مراجعهٔ دوباره به همهٔ فایل‌ها برمی‌گرداند.

پایپ‌لاین فنی

برنامه ابتدا با یک UDP socket از اجرای هم‌زمان نسخهٔ دوم جلوگیری می‌کند. بعد فایل‌های جدید یا تغییریافته را با os.scandir پیدا می‌کند و Workerها متن و metadata را استخراج می‌کنند. خطای هر فایل جدا مدیریت می‌شود تا یک PDF خراب کل اسکن را متوقف نکند. دادهٔ آماده از طریق Bridge محلی وارد رابط pywebview می‌شود و کاربر می‌تواند نتیجه را پیش‌نمایش کند، فایل را باز کند یا محل آن را در Explorer ببیند.

  • پردازش هم‌روند با ThreadPoolExecutor
  • PyMuPDF برای PDF و python-docx برای Word
  • پنل تنظیمات با PIN، Lockout و نشست محدود
  • تعریف پوشه‌ها و پسوندهای مستثنا
  • Build تک‌فایلی Windows با PyInstaller
محدودیت فعلی: PDF تصویری بدون OCR متن کاملی نمی‌دهد و مسیرهای UNC به اتصال و مجوز ویندوز وابسته‌اند. کش JSON برای استقرار ساده انتخاب خوبی بوده، اما برای آرشیوهای خیلی بزرگ باید با Benchmark واقعی دوباره ارزیابی شود. PIN هم کنترل تنظیمات است، نه جایگزین امنیت سازمانی کامل.

از فایل پراکنده تا نتیجهٔ قابل استفاده

PR FILES / DELTA + PARALLEL PIPELINEINDEX READY
پایپ‌لاین تشخیص تغییر و استخراج موازی فایل‌هاریشه‌های محلی و شبکه‌ای اسکن می‌شوند، فقط فایل جدید یا تغییریافته وارد دو مسیر موازی استخراج متن و metadata ویندوز می‌شود و داده‌ها پس از ادغام در کش اتمیک، جست‌وجو و نمایش داده می‌شوند.
ریشه‌های محلی و شبکه‌ایLOCAL / UNC · FAST_SCANDIR
فایل جدید یا تغییریافته است؟MTIME DELTA CHECK
بله: ورود به پردازشخیر: آماده‌باش
صف پردازش موازیTHREAD POOL
فقط فایل‌های تغییرکرده
استخراج متنDOCX · PDF · TXTCONTENT EXTRACTION
استخراج PropertiesTags · Title · AuthorsWINDOWS COM
ادغام و کش اتمیکJSON · TMP → REPLACE
پیش‌نمایش و بازکردن فایلWEBVIEW2 → EXPLORER
مسیر تصمیم فایل بدون تغییر دوباره پردازش نمی‌شودمسیر موازی متن و metadata پیش از ساخت کش ادغام می‌شوند