Full-Search-PDFs

System Version: 1.3.1

ローカル/社内フォルダ内の PDF/Office 文書を全文検索する FastAPI アプリです。 UI は static/ 配下で提供されます。

注意: 本アプリは社内LAN/家庭内LANでの利用を前提として設計されています。 インターネットに公開する場合は、認証機能の追加やCORS設定の見直しなど、追加のセキュリティ対策が必要です。

主要機能

• PDF/DOCX/TXT/CSV/XLSX/XLS のテキスト抽出・検索
• AND/OR + 文字数範囲指定（AND時）
• 和文のみ空白除去（デフォルト）
• 表記ゆれ吸収（既定、厳格は最小整形）
• 結果の無限スクロール（100件ずつレンダリング）
• SMB/NAS の表示名置換（表示のみ）
• SSL 起動（証明書を配置すれば自動）
• 起動時インデックス構築 + スケジュール再構築
• 検索キャッシュ（メモリ/LRU + 固定キャッシュ）

起動

uvicorn app:app --host 0.0.0.0 --port 80

簡易起動スクリプト

Windows

• run.bat を実行

Linux / macOS

chmod +x run.sh
./run.sh

使い方（UI）

• 検索: キーワード入力 → 対象フォルダ選択 → 検索ボタン
• 絞り込み: 検索結果の「絞り込み」からフォルダ/ファイル形式でローカル絞り込み
  • フィルタ未選択は全件表示
• 表記ゆれ: 既定は「ゆらぎ吸収」。厳格は改行/不可視のみ整える
  • 環境設定により厳格へフォールバックする場合あり
• 検索履歴: 右上の履歴アイコンから表示（最大30件、ピン留め可）
• CSV出力: 検索結果がある時のみ「CSV」ボタンが表示

NAS/共有フォルダ利用時の注意

• 事前にOS側で共有フォルダを認証・マウントしてから起動してください。
• アプリ側では資格情報を扱わず、OSの認証済みパスをそのまま利用します。

注意（抜粋）

• スキャンPDF（画像のみ）は本文を抽出できない場合があります（OCR非対応）
• パスワード付き/破損ファイルはスキップされる可能性があります
• SMB/NAS では更新時刻が信用できない場合があるため、差分判定モードの設定に注意してください

トラブルシューティング（抜粋）

• 検索漏れがある: スキャンPDF/差分判定モード/共有フォルダの更新時刻を確認
• 変更が反映されない: diff.mode を fastfp または fullhash にして再構築
• 起動に失敗: config.json の存在と JSON 構文を確認

タスクスケジューラー登録例（Windows）

• 基本: アクションは run.bat を指定
• コンソールを表示したい場合:
  • プログラム/スクリプト: C:\Windows\System32\cmd.exe
  • 引数の追加: /k ""C:\path\to\run.bat""
  • 開始（オプション）: C:\path\to\（run.bat のフォルダ）

設定

config.json（アプリ設定）

config.example.json をコピーして config.json を作成し、アプリ設定を記載してください。 config.json が見つからない場合は起動を停止します。

詳細な設定例・運用解説は docs/operations.md を参照してください。

運用ドキュメント

README は概要と使い方に絞り、運用・詳細設定は docs/operations.md にまとめています。

インデックス

• 起動時に全フォルダを走査して indexes/gen_<uuid>/ に保存
• 変更ファイルのみ差分更新
• スケジュール指定があれば自動で再構築
• 世代管理により、再構築中も検索が継続稼働
• 保持ポリシー（世代数/日数/容量）により古い世代を自動削除

詳細（世代管理/保持ポリシー/ロールバック）は docs/operations.md を参照してください。

注意点

• Windows の process モードは spawn のため、ワーカー数に応じてメモリが増えます
• 共有 mmap を有効にするとページ本文が共有され、メモリ増加は抑制されます
• PDFのレイアウトによっては抽出順序が混ざる場合があります

変更履歴

• 変更ごとに CHANGELOG.md を日本語で更新してください。