Übersicht
Die Seite Dokumentbericht hilft beim Aufräumen gecrawlter Dateiserver und Ähnlichem. Sie listet Dokumente mit gleichem Inhalt und Dokumente auf, die lange nicht geändert wurden; jede Liste lässt sich als CSV herunterladen.
Um die Seite zu öffnen, wählen Sie im linken Menü [Systeminformationen > Dokumentbericht]. Zum Anzeigen ist die Rolle admin-docreport oder admin-docreport-view erforderlich. Die Seite zeigt Berichte nur an und lädt sie herunter; sie ändert keine Dokumente.
Beide Registerkarten lassen sich mit „URL-Präfix“ eingrenzen, zum Beispiel smb://server/share/.
Duplikate
Dokumente mit gleichem oder nahezu gleichem Inhalt werden gruppiert, die größte Gruppe zuerst. Die Gruppen beruhen auf der beim Indexieren berechneten Inhaltssignatur (content_minhash_bits, dieselbe, die doppelte Suchergebnisse zusammenfasst); eine Neuindexierung ist daher nicht nötig. Dokumente, deren Inhalt keine Wörter enthält (etwa leere Dateien), werden ausgelassen.
Die Seite zeigt bis zu docreport.duplicate.group.size (Standard: 100) Gruppen und je Gruppe bis zu docreport.duplicate.docs.size (Standard: 10) Dokumente. Mit [CSV herunterladen] erhalten Sie alle Gruppen. Die CSV-Datei liest auch bei einem großen Index alle Gruppen, mit den Spalten group, groupSize, url, title, filename, contentLength, lastModified, owner, lastModifier, clickCount, docId.
Bemerkung
Der Duplikatbericht benötigt die Inhaltssignatur, die die Indexdefinitionen für ein OpenSearch ohne die CodeLibs-Plugins (search_engine.type mit vanilla, aws oder dem veralteten cloud) nicht berechnen. Bei diesen Typen wird die Registerkarte „Duplikate“ ausgeblendet, und nur der Bericht über inaktive Dokumente ist verfügbar. Siehe Suchmaschinentyp.
Inaktive Dokumente
Dokumente, deren letzte Änderung älter als die angegebene Anzahl von Tagen ist („Nicht geändert seit (Tagen)“, Standard 365 aus docreport.dormant.days), werden aufgelistet, die ältesten zuerst. Dokumente ohne Änderungsdatum werden nicht aufgeführt. Mit „Nie aus den Suchergebnissen geöffnet“ werden Dokumente ausgelassen, die aus Suchergebnissen angeklickt wurden.
Die Seite zeigt die Anzahl der passenden Dokumente, ihre Gesamtgröße und eine seitenweise Liste. Das Blättern endet bei indexer.max.result.window.size; Dokumente darüber hinaus erhalten Sie mit [CSV herunterladen].
Einstellungen
Die folgenden Einstellungen in fess_config.properties steuern den Bericht.
| Eigenschaft | Beschreibung | Standard |
|---|---|---|
docreport.duplicate.group.size | Höchstzahl der Duplikatgruppen, die die Seite anzeigt | 100 |
docreport.duplicate.docs.size | Höchstzahl der Dokumente, die die Seite je Gruppe auflistet | 10 |
docreport.duplicate.export.page.size | Anzahl der Inhaltssignaturen, die beim CSV-Download je Anfrage gelesen werden | 10000 |
docreport.dormant.days | Standardanzahl der Tage seit der letzten Änderung, ab der ein Dokument als inaktiv gilt | 365 |