了解 Windows 搜索中的筛选器处理程序

筛选器处理程序（ IFilter 接口的实现）扫描文档以获取文本和属性。筛选器处理程序从这些项中提取文本块，筛选掉嵌入格式并保留有关文本位置的信息。它们还会提取值片段，这些片段是文档属性。 IFilter 是构建更高级别应用程序的基础，例如文档索引器和独立于应用程序的查看器。

本主题按如下所示进行组织：

关于 IFilter 接口
查找 IFilter 类标识符
- IFilter：：GetChunk 和区域代码标识符
其他资源
相关主题

关于 IFilter 接口

Microsoft Windows 搜索使用筛选器提取项目内容，以便将其包含在全文索引中。通过编写筛选器以提取内容，并编写属性处理程序以提取文件属性，从而扩展 Windows 搜索功能，使其能够为新文件类型或专有文件类型编制索引。

IFilter 接口旨在满足全文搜索引擎的特定需求。全文搜索引擎（如 Windows 搜索）调用 IFilter 方法来提取文本和属性信息并将其添加到索引。 Windows 搜索将返回的 IFilter：：GetText 方法的结果分解为单词、规范化它们，并将其保存在索引中。如果可用，搜索引擎使用文本区块的语言代码标识符（LCID）来执行特定于语言的断字和规范化。

Windows 搜索使用下表中所述的三个函数来访问已注册的筛选器处理程序（ IFilter 接口的实现）。加载和绑定到嵌入对象的筛选器处理程序时，这些函数特别有用。

功能	Description
LoadIFilter	获取指向最适合指定内容类型的 IFilter 的指针。
BindIFilterFromStorage	获取指向最适合 IStorage Interface 对象中包含的内容的 IFilter 的指针。
BindIFilterFromStream	获取指向IFilter的指针，该IFilter最适合用于从流变量中检索指定类标识符 (CLSID)。

IFilter 接口有五种方法，如下表所述。

方法	Description
IFilter：：Init	初始化筛选会话。
IFilter：：GetChunk	将 IFilter 定位在第一个或下一个区块的开头，并返回描述符。
IFilter：：GetText	从当前区块中检索文本。
IFilter：：GetValue	从当前区块中检索值。
IFilter：：BindRegion	检索表示指定对象部分的接口。保留以供将来使用。

隔离过程

Windows 搜索使用受限权限在本地系统安全上下文中运行 IFilters。在此 IFilter 主机隔离过程中，将删除多个权限：

受限代码
所有人
Local
交互
经过身份验证的用户
内置用户
用户的安全标识符（SID）

删除这些权限意味着 IFilter 接口无权访问磁盘系统或网络或任何用户界面或剪贴板功能。此外，隔离进程在阻止创建子进程的作业对象下运行，并对工作集施加 100 MB 的限制。由于第三方筛选器可能未正确实现，IFilter 接口的主机隔离过程会提高索引平台的稳定性。

注释

必须写入筛选器处理程序以管理缓冲区并正确堆叠。所有字符串副本都必须进行显式检查，以防止缓冲区溢出。应始终验证缓冲区的分配大小。应始终根据缓冲区的大小测试数据的大小。

IFilter dlls

IFilter DLL 实现 IFilter 接口，使客户端能够从文件类型、类或感知类型中提取文本和属性值信息。 Windows 搜索筛选过程 SearchFilterHost.exe 绑定到为项的类、感知类型或名称扩展注册的 IFilter 。

IFilter 结构

每个 IFilter 都是一个 DLL 文件，它实现进程内组件对象模型（COM）服务器以提供指定的筛选功能。下图演示了典型的 IFilter DLL 的整体结构。更复杂的示例可以实现多个 IFilter 类。

典型 ifilter dll 的结构图

本机代码

筛选器必须以本机代码编写，因为多个加载项在运行过程中可能存在公共语言运行时（CLR）版本控制问题。在 Windows 7 及更高版本中，以托管代码编写的筛选器将被显式阻止。

查找 IFilter 类标识符

IFilter DLL 的类在 PersistentHandler 注册表项下注册。以下示例（对于 HTML 文件）说明了如何查找 HTML 文档的 IFilter DLL。此示例遵循类似于系统用来查找与项关联的 IFilter 的逻辑。

检查 DLL 筛选器处理的文件类型的扩展名是否在注册表项 \HKEY_LOCAL_MACHINE\SOFTWARE\Classes 下已注册为 PersistentHandler。让此键成为 Value1。如果该条目已存在，请跳到此过程的步骤 4 并在该键中使用 Value1 。这些值的类型为REG_SZ。

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

或者，如果没有为扩展名注册的 PersistentHandler，请在注册表项 \HKEY_LOCAL_MACHINE\SOFTWARE\Classes 下找到与文档类型关联的 CLSID。让此键成为 Value2。

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

确定是否已为 CLSID 注册 PersistentHandler。使用在步骤 2 中确定的 Value2，查找 \HKEY_LOCAL_MACHINE\SOFTWARE\Classes\CLSID\Value2 条目的 PersistentHandler。让此键成为 Value3。

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

确定 IFilter 持久性处理程序 GUID。使用 Value1 和 Value3 查找文档类型的 IFilter 持久处理程序 GUID。注册表项 \HKEY_LOCAL_MACHINE\SOFTWARE\Classes\CLSID\Value1 或 3\PersistentAddinsRegistered\ 89BCB740-6119-101A-BCB7-00DD010655AF“/> 生成此文档类型的 IFilter PersistentHandler GUID。让此键成为 Value4。在此示例中， IFilter 接口 GUID 为 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}

注释

在此示例中，HTML 文档的 IFilter DLL 是 nlhtml.dll。

IFilter：：GetChunk 和区域设置代码标识符

文本的 LCID 可以在单个文件中更改。例如，指令手册的文本可能会在英语（en-us）和西班牙语（es）之间交替，或者该文本可能包含一个单词，而不是主要语言。无论哪种情况，每次 LCID 更改时，IFilter 都必须开始一个新区块。由于 LCID 被用于选择适当的断字符，因此正确识别 LCID 非常重要。如果 IFilter 无法确定文本的区域设置，则它应返回包含区块的 LCID 为零。返回零的 LCID 会导致 Windows 搜索使用语言自动检测（LAD）技术来确定区块的区域设置 ID。如果 Windows 搜索找不到匹配项，则默认为系统默认区域设置（通过调用 GetSystemDefaultLocaleName 函数函数）。有关详细信息，请参阅 IFilter：：GetChunk、 CHUNK_BREAKTYPE、 CHUNKSTATE 和 STAT_CHUNK。

如果您掌控文件格式，并且当前其中不包含区域设置信息，建议添加用户功能，以支持正确的区域设置识别。使用不匹配的断字符可能会导致用户的查询体验不佳。有关详细信息，请参阅 IWordBreaker。

注释

筛选器与文件类型相关联，如文件扩展名、MIME 类型或 CLSID 所表示。虽然一个筛选器可以处理多个文件类型，但每种类型只处理一个筛选器。