Noções básicas sobre manipuladores de filtro na Pesquisa do Windows

Manipuladores de filtro, que são implementações da interface IFilter , verificam documentos em busca de texto e propriedades. Os manipuladores de filtro extraem partes de texto desses itens, filtrando a formatação inserida e retendo informações sobre a posição do texto. Eles também extraem blocos de valores, que são propriedades de documento. O IFilter é a base para a criação de aplicativos de nível superior, como indexadores de documentos e visualizadores independentes de aplicativos.

Este tópico é organizado da seguinte maneira:

• Sobre a interface IFilter
  • Processo de isolamento
  • IFilter DLLs
  • Estrutura IFilter
  • Código nativo
• Localizando o identificador de classe IFilter
  • Identificadores de código IFilter::GetChunk e Locale
• Recursos adicionais
• tópicos relacionados

Sobre a interface IFilter

A Pesquisa do Microsoft Windows usa filtros para extrair o conteúdo dos itens para inclusão em um índice de texto completo. Você pode estender a Pesquisa do Windows para indexar tipos de arquivo novos ou proprietários escrevendo filtros para extrair o conteúdo e manipuladores de propriedade para extrair as propriedades dos arquivos.

A interface IFilter foi projetada para atender às necessidades específicas dos mecanismos de pesquisa de texto completo. Mecanismos de pesquisa de texto completo, como o Windows Search, chamam os métodos IFilter para extrair informações de texto e propriedade e adicioná-los a um índice. A Pesquisa do Windows divide os resultados do método IFilter::GetText retornado em palavras, normaliza-os e os salva em um índice. Se disponível, o mecanismo de pesquisa usará o LCID (identificador de código de idioma) de uma parte de texto para executar a quebra e a normalização de palavras específicas do idioma.

O Windows Search usa três funções, descritas na tabela a seguir, para acessar manipuladores de filtro registrados (implementações da interface IFilter ). Essas funções são especialmente úteis ao carregar e vincular ao manipulador de filtro de um objeto inserido.

A interface IFilter tem cinco métodos, descritos na tabela a seguir.

Processo de isolamento

O Windows Search executa IFilters no contexto de segurança do Sistema Local com direitos restritos. Neste processo de isolamento do host IFilter , vários direitos são removidos:

• Código restrito
• Todos
• Local
• Interativo
• Usuários Autenticados
• Usuários incorporados
• SID (identificador de segurança) dos usuários

A remoção desses direitos significa que a interface IFilter não tem acesso ao sistema de disco ou à rede ou a nenhuma interface do usuário ou funções de área de transferência. Além disso, o processo de isolamento é executado em um objeto de trabalho que impede a criação de processos filho e impõe um limite de 100 MB no conjunto de trabalho. O processo de isolamento do host da interface IFilter aumenta a estabilidade da plataforma de indexação devido à possibilidade de filtros de terceiros implementados incorretamente.

IFilter dlls

IFilter As DLLs implementam a interface IFilter para permitir que um cliente extraia informações de texto e valor de propriedade de um tipo de arquivo, classe ou tipo percebido. O processo de filtragem da Pesquisa do Windows SearchFilterHost.exe associa-se ao IFilter registrado para a classe, o tipo percebido ou a extensão de nome do item.

Estrutura IFilter

Cada IFilter é um arquivo DLL que implementa um servidor COM (Component Object Model) em processo para fornecer os recursos de filtragem especificados. A figura a seguir ilustra a estrutura geral de um IFilter DLLs típico. Um exemplo mais complexo poderia implementar mais de uma classe IFilter .

Código nativo

Os filtros devem ser escritos em código nativo devido a possíveis problemas de controle de versão do Common Language Runtime (CLR) no processo em que vários add-ins são executados. No Windows 7 e posteriores, os filtros escritos em código gerenciado são explicitamente bloqueados.

Localizando o identificador de classe IFilter

A classe da DLL IFilter é registrada na chave do registro PersistentHandler. O exemplo a seguir, para arquivos HTML, ilustra como localizar a DLL de IFilter para um documento HTML. Este exemplo segue uma lógica semelhante à usada pelo sistema para localizar o IFilter associado a um item.

1. Verifique se a extensão do tipo de arquivos que a DLL filtra tem um PersistentHandler registrado na entrada do Registro \HKEY_LOCAL_MACHINE\SOFTWARE\Classes. Que essa chave seja Value1. Se essa entrada já existir, pule para a etapa 4 deste procedimento e use Value1 nessa chave. Os valores são do tipo REG_SZ.

    \HKEY_LOCAL_MACHINE
       SOFTWARE
          Classes
             .htm
                PersistentHandler
                   {EEC97550-47A9-11CF-B952-00AA0051FE20}

2. Como alternativa, se não houver um PersistentHandler registrado para a extensão, localize o CLSID associado ao tipo de documento na entrada do Registro \HKEY_LOCAL_MACHINE\SOFTWARE\Classes. Que essa chave seja Value2.

    \HKEY_LOCAL_MACHINE
       SOFTWARE
          Classes
             htmlfile
                 = Class for WWW HTML files
                CLSID
                   {25336920-03F9-11CF-8FD0-00AA00686F13}

3. Determine se um PersistentHandler está registrado para o CLSID. Usando Value2 determinado na etapa 2, localize o PersistentHandler para a entrada \HKEY_LOCAL_MACHINE\SOFTWARE\Classes\CLSID\Value2. Que essa chave seja Value3.

    \HKEY_LOCAL_MACHINE
       SOFTWARE
          Classes
             htmlfile
                 = Class for WWW HTML files
                PersistentHandler
                   {EEC97550-47A9-11CF-B952-00AA0051FE20}

4. Determine o GUID do manipulador persistente IFilter . Usando Value1 e Value3, localize o GUID do Manipulador Persistente IFilter para o tipo de documento. O valor na entrada do Registro \HKEY_LOCAL_MACHINE\SOFTWARE\Classes\CLSID\Value1 ou 3\PersistentAddinsRegistered\ 89BCB740-6119-101A-BCB7-00DD010655AF"/> gera o GUID IFilter PersistentHandler para este tipo de documento. Que essa chave seja Value4. Neste exemplo, o GUID da interface IFilter é 89BCB740-6119-101A-BCB7-00DD010655AF.

    HKEY_LOCAL_MACHINE
       SOFTWARE
          Classes
             {EEC97550-47A9-11CF-B952-00AA0051FE20}
                 = HTML File Persistent Handler
                    Data type         REG_SZ
                        PersistentAddinsRegistered
                        {89BCB740-6119-101A-BCB7-00DD010655AF}

                    Data type         REG_SZ
                        default = {E0CA5340-4534-11CF-B952-00AA0051FE20}

Identificadores de código do IFilter::GetChunk e códigos de localidade

O LCID do texto pode ser alterado em um único arquivo. Por exemplo, o texto de um manual de instruções pode alternar entre inglês (en-us) e espanhol (es) ou o texto pode incluir uma única palavra em um idioma diferente do idioma primário. Em ambos os casos, o IFilter deve iniciar uma nova parte sempre que o LCID for alterado. Como o LCID é usado para escolher um separador de palavras apropriado, é muito importante identificá-lo corretamente. Se o IFilter não puder determinar a localidade do texto, ele deverá retornar uma LCID de zero com a parte. Retornar uma LCID de zero faz com que a Pesquisa do Windows use a tecnologia LAD (Detecção Automática de Idioma) para determinar a ID de localidade da parte. Se o Windows Search não conseguir encontrar uma correspondência, ele usará como padrão a localidade padrão do sistema (chamando a função GetSystemDefaultLocaleName ). Para obter mais informações, consulte IFilter::GetChunk, CHUNK_BREAKTYPE, CHUNKSTATE e STAT_CHUNK.

Se você controlar o formato de arquivo e ele atualmente não contiver informações de localidade, você deverá adicionar um recurso de usuário para habilitar a identificação de localidade adequada. O uso de um separador de palavras incompatível pode resultar em uma experiência de consulta ruim para o usuário. Para obter mais informações, consulte IWordBreaker.

Recursos adicionais

• O exemplo de código IFilterSample , disponível no GitHub, demonstra como criar uma classe base IFilter para implementar a interface IFilter .
• Para obter uma visão geral do processo de indexação, consulte O Processo de Indexação.
• Para obter uma visão geral dos tipos de arquivo, consulte Tipos de Arquivo.
• Para consultar atributos de associação de arquivo para um tipo de arquivo, consulte PerceivedTypes, SystemFileAssociations e Application Registration.

Tópicos relacionados

Desenvolvendo manipuladores de filtro

Práticas recomendadas para criar manipuladores de filtro na Pesquisa do Windows

Retornando propriedades de um manipulador de filtro

Manipuladores de Filtro que Vêm com o Windows

Implementando manipuladores de filtro na Pesquisa do Windows

Registrando manipuladores de filtro

Testando manipuladores de filtro