概要
ドキュメントレポートは、クロールしたファイルサーバーなどの整理に役立つ管理画面です。内容が同じ文書と、長い間更新されていない文書を一覧表示し、それぞれ CSV でダウンロードできます。
画面を開くには、左メニューの [システム情報 > ドキュメントレポート] をクリックします。閲覧には admin-docreport または admin-docreport-view のロールが必要です。この画面は表示とダウンロードだけを行い、文書を変更しません。
どちらのタブも「URL の前方一致」（例: smb://server/share/ ）で対象を絞り込めます。
重複文書
内容が同一またはほぼ同一の文書をグループにまとめ、文書数の多い順に表示します。グループ分けには、索引時に計算される内容の署名（ content_minhash_bits 、検索結果の重複表示の折りたたみと同じもの）を使うため、再インデクシングは不要です。内容に語がない文書（空のファイルなど）は対象外です。
画面には最大 docreport.duplicate.group.size （デフォルト: 100）グループを表示し、各グループの文書は docreport.duplicate.docs.size （デフォルト: 10）件まで表示します。すべてのグループは [CSVをダウンロード] で取得できます。CSV は大きなインデックスでもすべてのグループを読み取り、 group, groupSize, url, title, filename, contentLength, lastModified, owner, lastModifier, clickCount, docId の列を出力します。
注釈
重複文書レポートには内容の署名が必要ですが、CodeLibs のプラグインを含まない OpenSearch 用のインデックス定義（ search_engine.type が vanilla 、 aws 、非推奨の cloud ）では署名が計算されません。これらの種別では「重複文書」タブは表示されず、「休眠文書」だけを利用できます。詳しくは 検索エンジンの種別 を参照してください。
休眠文書
最終更新日時が指定した日数（「未更新の日数」、デフォルトは docreport.dormant.days の 365）より前の文書を、古い順に表示します。最終更新日時を持たない文書は表示しません。「検索結果から一度も開かれていない」を有効にすると、検索結果からクリックされたことのある文書を除きます。
画面には該当する文書の件数と合計サイズ、文書の一覧を表示します。一覧のページ送りには上限（ indexer.max.result.window.size ）があり、それを超える文書は [CSVをダウンロード] で取得します。
設定
fess_config.properties の次の設定で動作を調整できます。
| プロパティ | 説明 | デフォルト |
|---|---|---|
docreport.duplicate.group.size | 画面に表示する重複グループの最大数 | 100 |
docreport.duplicate.docs.size | 画面で 1 つのグループに表示する文書の最大数 | 10 |
docreport.duplicate.export.page.size | CSV のダウンロード時に 1 回に読み取る署名の数 | 10000 |
docreport.dormant.days | 休眠文書とみなす、最終更新からの日数のデフォルト | 365 |