Windows Search のフィルターハンドラーについて

[アーティクル]
06/13/2023

IFilter インターフェイスの実装であるフィルターハンドラーは、ドキュメントでテキストとプロパティをスキャンします。フィルターハンドラーは、これらの項目からテキストのチャンクを抽出し、埋め込み書式をフィルター処理し、テキストの位置に関する情報を保持します。また、ドキュメントプロパティである値のチャンクも抽出します。 IFilter は、ドキュメントインデクサーやアプリケーションに依存しないビューアーなど、より高度なアプリケーションを構築するための基盤です。

このトピックは次のように整理されています。

IFilter インターフェイスについて
IFilter クラス識別子の検索
- IFilter::GetChunk とロケールコード識別子
その他のリソース
関連トピック

IFilter インターフェイスについて

Microsoft Windows Search では、フィルターを使用して、フルテキストインデックスに含めるアイテムの内容を抽出します。コンテンツを抽出するフィルターと、ファイルのプロパティを抽出するプロパティハンドラーを記述することで、Windows Search を拡張して新しいファイルの種類または独自のファイルの種類のインデックスを作成できます。

IFilter インターフェイスは、フルテキスト検索エンジンの特定のニーズを満たすように設計されています。 Windows Search などのフルテキスト検索エンジンは 、IFilter メソッドを呼び出してテキストとプロパティの情報を抽出し、インデックスに追加します。 Windows Search は、返された IFilter::GetText メソッドの結果を単語に分割し、正規化してインデックスに保存します。使用可能な場合、検索エンジンはテキストチャンクの言語コード識別子 (LCID) を使用して、言語固有の単語区切りと正規化を実行します。

Windows Search では、次の表で説明する 3 つの関数を使用して、登録済みのフィルターハンドラー ( IFilter インターフェイスの実装) にアクセスします。これらの関数は、埋め込みオブジェクトのフィルターハンドラーを読み込んでバインドする場合に特に便利です。

機能	説明
LoadIFilter	指定したコンテンツタイプに最も適した IFilter へのポインターを取得します。
BindIFilterFromStorage	IStorage Interface オブジェクトに含まれるコンテンツに最も適した IFilter へのポインターを取得します。
BindIFilterFromStream	ストリーム変数から取得した、指定したクラス識別子 (CLSID) に最も適した IFilter へのポインターを取得します。

IFilter インターフェイスには、次の表で説明する 5 つのメソッドがあります。

メソッド	説明
IFilter::Init	フィルター処理セッションを初期化します。
IFilter::GetChunk	最初または次のチャンクの先頭に IFilter を配置し、記述子を返します。
IFilter::GetText	現在のチャンクからテキストを取得します。
IFilter::GetValue	現在のチャンクから値を取得します。
IFilter::BindRegion	オブジェクトの指定した部分を表すインターフェイスを取得します。将来利用するために予約されています。

分離プロセス

Windows Search は、制限付き権限を持つローカルシステムセキュリティコンテキストで IFilters を実行します。この IFilter ホスト分離プロセスでは、いくつかの権限が削除されます。

Restricted Code
Everyone
ローカル
Interactive
Authenticated Users
組み込みユーザー
ユーザーのセキュリティ識別子 (SID)

これらの権限の削除は、 IFilter インターフェイスがディスクシステムまたはネットワーク、またはユーザーインターフェイスまたはクリップボード関数にアクセスしないことを意味します。さらに、分離プロセスは、子プロセスの作成を妨げ、ワーキングセットに 100 MB の制限を課すジョブオブジェクトの下で実行されます。 IFilter インターフェイスホスト分離プロセスは、誤って実装されたサードパーティ製フィルターの可能性により、インデックス作成プラットフォームの安定性を向上させます。

Note

フィルターハンドラーは、バッファーを管理し、正しくスタックするように記述する必要があります。すべての文字列コピーには、バッファーオーバーランを防ぐために明示的なチェックが必要です。バッファーの割り当てられたサイズは常に確認する必要があります。常に、バッファーのサイズに対してデータのサイズをテストする必要があります。

IFilter DLL

Ifilter DLL は IFilter インターフェイスを実装し、クライアントがファイルの種類、クラス、または認識型からテキストとプロパティ値の情報を抽出できるようにします。 Windows Search フィルター処理プロセス SearchFilterHost.exe 、項目のクラス、認識型、または名前拡張に登録されている IFilter にバインドされます。

IFilter 構造体

各 IFilter は、指定されたフィルター処理機能を提供するインプロセスコンポーネントオブジェクトモデル (COM) サーバーを実装する DLL ファイルです。次の図は、一般的な IFilter DLL の全体的な構造を示しています。より複雑な例では、複数の IFilter クラスを 実装できます。

一般的な ifilter dll の構造の図

ネイティブコード

複数のアドインが実行されるプロセスで共通言語ランタイム (CLR) のバージョン管理の問題が発生する可能性があるため、ネイティブコードでフィルターを記述する必要があります。 Windows 7 以降では、マネージドコードで記述されたフィルターは明示的にブロックされます。

IFilter クラス識別子の検索

IFilter DLL のクラスは、PersistentHandler レジストリキーに登録されます。 HTML ファイルの次の例は、HTML ドキュメントの IFilter DLL を検索する方法を示しています。この例では、項目に関連付けられている IFilter を検索するためにシステムで使用されるロジックと同様のロジックに従います。

DLL がフィルター処理するファイルの種類の拡張子に、レジストリエントリ \HKEY_LOCAL_MACHINE\SOFTWARE\Classesの下に PersistentHandler が登録されているかどうかを確認します。このキーをにします Value1。そのエントリが既に存在する場合は、この手順の手順 4 に進み、そのキーでを使用 Value1 します。値の型は REG_SZ です。

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

または、拡張機能に PersistentHandler が登録されていない場合は、レジストリエントリ \HKEY_LOCAL_MACHINE\SOFTWARE\Classesで、ドキュメントの種類に関連付けられている CLSID を見つけます。このキーをにします Value2。

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

PersistentHandler が CLSID に登録されているかどうかを確認します。手順 2 で決定したを使用して Value2 、\HKEY_LOCAL_MACHINE\SOFTWARE\Classes\CLSID\Value2 エントリの PersistentHandler を見つけます。このキーをにします Value3。

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

IFilter 永続ハンドラー GUID を決定します。とをValue3使用してValue1、ドキュメントの種類の IFilter 永続ハンドラー GUID を見つけます。レジストリエントリ \HKEY_LOCAL_MACHINE\SOFTWARE\Classes\CLSID\Value1 または 3\PersistentAddinsRegistered\ 89BCB740-6119-101A-BCB7-00DD010655AF" の値は、> このドキュメントの種類の IFilter PersistentHandler GUID を生成します。このキーをにします Value4。この例では、 IFilter インターフェイス GUID は 89BCB740-6119-101A-BCB7-00DD010655AF です。

    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}

Note

この例では、HTML ドキュメント用 の IFilter DLL がnlhtml.dllされています。

IFilter::GetChunk とロケールコード識別子

テキストの LCID は、1 つのファイル内で変更できます。たとえば、取扱説明書のテキストが英語 (en-us) とスペイン語 (es) の間で交互に表示される場合や、テキストに第 1 言語以外の言語の 1 つの単語が含まれている場合があります。どちらの場合も、LCID が変更されるたびに IFilter が新しいチャンクを開始する必要があります。 LCID は適切なワードブレーカーを選択するために使用されるため、正しく識別することが非常に重要です。 IFilter がテキストのロケールを判別できない場合は、チャンクを含む 0 の LCID を返す必要があります。 LCID を 0 に設定すると、Windows Search で言語自動検出 (LAD) テクノロジを使用してチャンクのロケール ID が決定されます。 Windows Search で一致するものが見つからない場合は、既定でシステムの既定のロケールになります ( GetSystemDefaultLocaleName 関数関数を呼び出します)。詳細については、「 IFilter::GetChunk、 CHUNK_BREAKTYPE、 CHUNKSTATE、 およびSTAT_CHUNK」を参照してください。

ファイル形式を制御していて、現在ロケール情報が含まれていない場合は、適切なロケール識別を有効にするユーザー機能を追加する必要があります。ワードブレーカーの不一致を使用すると、ユーザーのクエリエクスペリエンスが低下する可能性があります。詳細については、「 IWordBreaker」を参照してください。

Note

フィルターは、ファイル名拡張子、MIME の種類、または CLSID で示されるファイルの種類に関連付けられます。 1 つのフィルターで複数のファイルの種類を処理できますが、各種類は 1 つのフィルターでのみ機能します。

その他のリソース

GitHub で入手できる IFilterSample コードサンプルは、IFilter インターフェイスを実装するための IFilter 基本クラスを作成する方法を示しています。
インデックス作成プロセスの概要については、「インデックス作成プロセス」を参照してください。
ファイルの種類の概要については、「ファイルの種類」を参照してください。
ファイルの種類のファイル関連付け属性を照会するには、「 PerceivedTypes、SystemFileAssociations、およびアプリケーション登録」を参照してください。