Indexation Word sous Windows

Bonjour,

Après des jours de "prise de tête", j'abandonne ! J'appelle à l'aide !

Quand j'insère un document Word dans CPS, l'insertion dure très... très...
très longtemps : le lecteur de disquette du serveur est sollicité 4 ou 5
fois ????? Puis finalement, l'insertion se termine (sur un serveur lent
genre PIII-800, cela se termine par un time-out) !

J'ai ré-installé CPS 3.3.4-2 sur trois machine différentes (toutes
fraichement installées) et le même problème se produit systématiquement
(bien sur, les extensions pour python win32 sont aussi installées).

J'ai désactivé le lecteur de disquette dans le bios en croyant que ça
résoudrait ces problèmes de lenteur : QUE NENNI !

Les insertions se passent bien pour les fichiers XLS et PPT car les
transforms sont basés sur des binaires externes qui font bien leur bouleau a
priori. Par contre, pour Word, on utilise le script Office_com qui permet de
"scripter" Word pour qu'il fasse un enregistrement au format HTML du fichier
DOC inséré. Le problème doit bien se situer dans ces scripts mais je ne
connais pas Python et je ne comprend que l'idée générale du script.

Alors là, je ne sais plus quoi faire ! Help please !

Le script Word_to_html.py que j'utilise est le suivant :

from Products.PortalTransforms.interfaces import itransform

EXTRACT_BODY  = 1
EXTRACT_STYLE = 0

FIX_IMAGES    = 1
IMAGE_PREFIX  = "img_"

import os
if os.name == 'posix':
    try:
        import PyUNO
        from office_uno import document
    except:
        from office_wvware import document
else:
    from office_com import document

from os.path import basename

class word_to_html:
    __implements__ = itransform

    __name__ = 'word_to_html'
    inputs   = ('application/msword',)
    output  = 'text/html'

    def name(self):
        return self.__name__

    def convert(self, data, cache, **kwargs):
        orig_file = basename((kwargs.get('filename') or 'unknown.doc'))

        doc = document(orig_file, data)
        doc.convert()
        html = doc.html()

        path, images = doc.subObjects(doc.tmpdir)
        objects = {}
        if images:
            doc.fixImages(path, images, objects)
        doc.cleanDir(doc.tmpdir)

        cache.setData(html)
        cache.setSubObjects(objects)
        return cache

def register():
    return word_to_html()




Le script Office_com.py que j'utilise est le suivant :


import win32api

import pythoncom

from win32com.client import constants, Dispatch



from Products.PortalTransforms.libtransforms.commandtransform \

    import commandtransform

from Products.PortalTransforms.libtransforms.utils import bodyfinder,
scrubHTML



class document(commandtransform):



    def __init__(self, name, data):

        """Initialization: create tmp work

        directory and copy the document into a file"""

        commandtransform.__init__(self, name)

        name = self.name()

        if not name.endswith('.doc'):

            name += ".doc"

        self.tmpdir, self.fullname = self.initialize_tmpdir(data,
filename=name)



    def convert(self):

        pythoncom.CoInitialize()



        try:

            word = Dispatch("Word.Application")

            word.Visible = 0

            doc = word.Documents.Open(self.fullname)

            #Let's set up some html saving options for this document

            word.ActiveDocument.WebOptions.RelyOnCSS = 1

            word.ActiveDocument.WebOptions.OptimizeForBrowser = 1

            word.ActiveDocument.WebOptions.BrowserLevel = 0

            word.ActiveDocument.WebOptions.OrganizeInFolder = 0

            word.ActiveDocument.WebOptions.UseLongFileNames = 1

            word.ActiveDocument.WebOptions.RelyOnVML = 0

            word.ActiveDocument.WebOptions.AllowPNG = 1

            #And then save the document into HTML

            doc.SaveAs(FileName="%s.htm" % (self.fullname),

                       FileFormat=8)



            #TODO -- Extract Metadata (author, title, keywords) so we

            #can populate the dublin core

            #Converter will need to be extended to return a dict of

            #possible MD fields



            doc.Close()

            word.Quit()

        finally:

            win32api.Sleep(1000) #Waiting for Word to close

            pythoncom.CoUninitialize()



    def html(self):

        htmlfile = open(self.fullname + '.htm', 'r')

        html = htmlfile.read()

        htmlfile.close()

        html = scrubHTML(html)

        body = bodyfinder(html)

        return body



## This function has to be done. It's more difficult to delete the temp

## directory under Windows, because there is sometimes a directory in it.

##    def cleanDir(self, tmpdir):







_______________________________________________
cps-users-fr 
Adresse de la liste : cps-users-fr-FQDHc1wsLCVb90+sfpvX0g@xxxxxxxxxxxxxxxx
Gestion de l'abonnement : <http://lists.nuxeo.com/mailman/listinfo/cps-users-fr>