[Allegro] Vb.277: Suchmaschine für allegro-Doku mit a35

[Bernhard Eversberg]

Verlautbarung 277 der Entw.Abt.                              2015-12-14
-------------------------------

Neue a35-Demo: Suchmaschine für allegro-Doku
--------------------------------------------

Wer bei der Arbeit mit oder an allegro auf ein Problem stößt, dem
stehen mindestens 12 verschiedenartige Informationsquellen offen:

A. Folgende Quellen sind in Google indexiert, weil sie auf dem
    Webserver liegen:  http://www.allegro-c.de

Doku-Seiten (WebServer) [inkl. Bereiche "Regeln" und "Formate"]
Verlautbarungen 124- (im Mailsystem enthalten)
allegro-News 21-60.1990-2002
FLEX-Doku
FLEX-Tricks (17-80)
Mailforum
Systemhandbuch [Google als Index dazu nicht wirklich brauchbar]

B. Weitere Quellen sind nur systemimmanent a99 in verfügbar und bislang
    nicht in ein einheitliches Suchsystem integriert:

Hilfetexte (.rtf und .txt) von a99
Exportparameter (.?pr und .?pt)
Indexparameter (.?pi)
Importparameter (.?im)
FLEX-Skripte (.flx)
acon-Jobs (.job)
Includes für Skripte und Jobs (.inc)

Nicht immer, aber nicht selten ist dann die Frage: Wo steht das, was
ich suche? Oder z.B.: Welche Parameterdatei ist die richtige für mein
Vorhaben, oder welchen FLEX kann ich als Vorlage heranziehen. Und nicht
*ganz* selten gibt es mehr als eine Stelle, an denen Brauchbares steht.
Die genannten Quellen sind in Struktur, Zweckbestimmung und Standort
sehr verschieden, das erschwert die Suche beträchtlich.
Experten wissen: Diffizile Suche in den einzelnen Dokumentarten ist
oft mit "grep" aussichtsreich (Suche mit "regulären Ausdrücken").

Es wurde nun ein Versuch gemacht, das *gesamte* Material einmal so
aufzubereiten, daß man eine Art Suchmaschine damit befüllen kann.
Die Suchmaschine heißt a35. Damit kann man keine Volltexte durchsuchen,
sondern nur Metadaten. Es ist aber klar, daß zumindest einige der
Dateien sich für eine Volltextsuche wenig eignen. Metadaten dagegen
konnte man für jeden der Dokumententypen mit wenig Mühe per FLEX
erstellen. Im Fall des Handbuchs wurde das Register aufbereitet, für
die meisten anderen Dateien eigneten sich die Kopfzeilen der Dateien,
weil darin Aussagen zum Inhalt stehen. Bei den Verlautbarungen und
den news wurden zusätzlich die Zwischenüberschriften extrahiert.

Einschränkung:
Der Inhalt des Mailforums ist einerseits zu heterogen, andererseits
zu schwierig in Metadaten faßbar. Mails sind aber in Google sehr gut
indexiert, zusammen mit den anderen Inhalten des Web-Servers.
Die Essenz vieler Mail-Diskussionen hat aber Eingang gefunden in die
anderen Quellen.
TROTZ ALLEDEM ist nüchtern zu konstatieren, daß eine allegro-Datenbank
heutzutage ein altmodischer Ansatz ist für solcherlei Aufgabe.
Sehr wahrscheinlich könnte eine geschickte Aufbereitung des gesamten
Volltextvolumens eine Basis sein für eine echt wirkungsmächtige
Google-Suche, insbes. wegen der dann möglichen Phrasensuche und anderer
Spezialitäten. Ein unbequemer Konjunktiv ist das, der nötige Aufwand
für die Aufbereitung steht ungelöst im Raum. Womöglich wäre mit
ebenfalls großem Aufwand auch eine eigene Suchmaschine auf der
Basis von Solr erstellbar. (Müssen wir eigentlich alles selber machen?)

Die Aktion ergab eine Datenbank mit gut 2100 Sätzen.
Hier ist sie:

   http://www.allegro-b.de

Kein Druckfehler: allegro-b und nicht -c. Das b steht, wie schon mal
erwähnt wurde, für "browserbasiert".
Das ist ein vorerst experimenteller Server, der auf einer Linux-
Maschine aufgesetzt wurde. Diese Aktion dient primär der weiteren
Verbesserung von a35 in einem umfassenden Versuch einer Linux-
Implementierung. Ein Niederschlag davon ist der "CrashCourse" und
das vorige Woche freigegebene Linux-Paket. Wenigstens in dieser
Hinsicht hat sich die Sache schon gelohnt: wir haben damit ein neues
Beispiel für das Potential von a35, und im Vergleich neben der DemoBank
ergibt sich ein besserer Eindruck von der Variabilität.

Die Datenbank ist online per Browser editierbar. Wer auf 0 Treffer
stößt oder sonstwie vor die Wand läuft, kann das gerne melden, wir
analysieren das dann und schaffen Abhilfe. (Es ist immer so, wenn man
was Neues vorstellt, daß sofort Kalamitäten und Defizite aufstoßen
und Irritate.)

Wie auch immer, es bleibt klar, daß man bei einer konkreten Suche im
Zweifel durchaus die Google-Suche bevorzugen kann oder jedenfalls mit
heranziehen sollte. Für Inhalte, die man vage aus dem Mailforum
erinnert, bleibt das der einzige Weg.

Es handelt sich übrigens bei dem Linux um ein aktuelles CentOS.
Besondere Progammanpassungen für diese Variante waren nicht
erforderlich.