Le moteur de recherche est une fonctionnalité que je trouve particulièrement réussie dans eZ publish, à la fois simple à mettre en oeuvre et bien conçu. Il existe en deux versions (une simple et une avancée) et fonctionne très bien grâce l'indexation des textes et autres documents à télécharger (PDF, Document Word et bien sûr Plain Text sont supportés par défaut). D'ailleurs en regardant le code nécessaire à l'indexation de fichiers PDF, l'ajout du support d'autres formats ne semble pas être très difficile pourvu qu'un programme en ligne de commande existe pour extraire les données textuelles ou qu'il soit possible d'en écrire un. Un article sur une autre manière d'implémenter l'indexation de documents a été publié récemment, personnellement je trouve la solution proposée moins élégante que celle par défaut car cette solution utilise (en partie) l'extension du fichier pour détecter son type et les programmes permettant d'extraire les données sont écrits en dur, bref pas génial…

Pour en revenir au moteur de recherche par défaut, deux directives de configuration me semblent particulièrement intéressantes mais pas forcément simples à comprendre au premier abord :

• StopWordThresholdPercent pour ne pas afficher une recherche avec énormément de résultats
• DelayedIndexing pour améliorer les temps de réponses lors de la publication de données en remettant l'indexation à plus tard

StopWordThresholdPercent

J'ai découvert cette directive aujourd'hui suite à une remarque d'un client qui avait remarqué que le moteur de recherche ne renvoyait aucun résultat pour un terme pourtant présent quasiment partout ; et c'était justement ça le problème! En fait cette directive est positionnée à 60 par défaut, ce qui signifie que si un terme est présent dans plus de 60% des objets publiés dans eZ publish, le moteur l'ignore lors de la recherche c'est à dire qu'il considère le mot comme un StopWord. StopWordThresholdValue indique à eZ publish d'utiliser le mécanisme des StopWords au delà d'un certain de nombre de résultats. Par défaut cette valeur est positionnée à 100.

DelayedIndexing

Cette directive indique à eZ publish de ne pas indexer le contenu des objets lors de la publication. En activant cette fonctionnalité, eZ publish met en attente l'indexation des objets lors de la publication. Ils seront alors indexés par indexcontent.php lui même est lancé par le script runcronjobs.php qui devra être lancé régulièrement à l'aide d'une tâche planifiée (crontab sous Linux) pour garder la pertinence du moteur. Je trouve ce mécanisme très intelligent car il apporte un confort appréciable à l'utilisateur grâce à de meilleurs de temps réponse tout en n'étant pas ou peu pénalisant à l'utilisation dans la plupart des cas.