桌面环境与桌面搜索Desktop Search tools

最近一段时间工作重心都将放在Linux下Desktop search(桌面搜索)框架的研发上。因此对desktop search进行了初步的调研。本文将从下面三个方面展开：

Linux桌面环境（Desktop Environment on Linux）
现有的桌面搜索工具（Desktop Search tools）
学术界对Desktop search的研究情况

Linux桌面环境（Desktop Environment on Linux）

首先来说说桌面环境。所谓桌面环境，就是在原来命令行时代的OS外层追加了一层可视化的窗口管理程序，将之前只能使用命令方式进行的文件管理，进程管理，软件管理，硬件管理，计算机配置管理等等工作都转变为界面更加友好的可视化工作方式。桌面环境概念其实是随着桌面操作系统的诞生而产生的。在桌面OS出现以前最有名的OS是MS的DOS。随着苹果发布Macintosh，带有下拉式菜单、桌面图标、能够进行拖曳式操作与双点击的Mac OS进入世人的视野，这是图形化桌面操作系统的首次亮相。紧随其后，MS发布了Windows 1.0，桌面操作系统开始风靡世界。我们将Windows和Mac OS归为一类，他俩作为主流的商业桌面操作系统，几乎垄断了桌面操作系统市场。另一类是Linux桌面操作系统。Linux的发行版本是越来越多，安装在这些发行版本上桌面环境继承了自由软件的灵魂，可谓百花齐放，百家争鸣。报的上名号的有GNOME、KDE、Unity、Xfce、MATE、LXDE、Cinnamon、ROX、Enlightenment等等。其中GNOME，KDE稳坐头两把交椅。

GNOME作为最流行的Desk Environment，其2.X系列一直是大多数Linux发行版的默认桌面环境，但是进入3.0时代后，GNOME似乎有些走下坡，一些发行版开始从GNOME抽身，有说法说3.0改的简洁的有点过分，默认连个任务栏也没有。在Ubuntu10.10之前GNOME一直是默认的桌面环境，但之后开始改用自家开发的Unity，也就有了我们现在看到的Ubuntu。如果稍加了解，就会发现其实Unity是基于GNOME开发的。GNOME除了提供功能强大桌面环境以外，还为开发者准备了一个有强大支持的开发平台，帮助开发整合于用户桌面的开发程序。

KDE也是功能非常强大桌面环境，神似Windows，其包含了大量的应用程序，极大的提升了自身的可用性和竞争力。Fedora默认支持GNOME和KDE，Fedora18开始加入了对MATE（GNOME2的一个分支）的支持。GNOME和KDE这两个家伙个头大，能耐也大，要什么功能有什么功能，但是这要造成他俩需要消耗大量的资源。

Xfce, LXDE以及搭载在8.12发布的Elementary OS Luna上的Pantheon（这款UI做的挺帅的，可以关注下）等都是轻量级的桌面环境，它们通常都是为低能耗的机器设计，比如移动设备之类的，它们占用的资源也要少很多。

现有的桌面搜索工具（Desktop Search tools）

说完Desktop environment，我们进入正题。那么为什么出现桌面搜索这么一种需求呢。我们知道搜索概念的出现是因为数据的膨胀，人为检索难度增大。研发一种自动化检索机制是人心所向、众望所归。对于Web搜索来说，数据指的是整个互联网上的海量网页；对于桌面搜索来说，数据指的文件系统中的所有文件。随着硬盘存储容量的提升，单机上存储的数据越来越多，找文件的难度显然越来越大，这就是桌面搜索出现的动机。

当前Window自带有文件搜索功能，但是其功能只能完成文件名的检索，不能对文件内容进行深入的挖掘，此外它默认情况下是直接扫描磁盘，没有建立文件索引，文件的搜索效率很低。

我们理想中的桌面搜索应该具有如下功能：

能够快速有效的建立索引，索引结构要能够充分压缩索引，减少索引的空间占用，同时又需要尽量不影响检索效率
除了索引文件名，还要能够索引文件内容，特别是包含文本的文件，要实现这一点就要求必须满足3
必须支持现有的绝大部分（最好是全部）的文件类型，也就是要能够读取这些文件的内容
搜索框架要具有很好的可拓展性，当出现一个新的或暂不支持的文件类型，可以通过开发和添加插件的方式实现对该文件类型的支持。
搜索框架要具有学习和预测用户使用习惯的能力，能够不断的优化查询策略来符合特定用户的查询习惯。
……待补充

我们先来看看当前有哪些流行的Desktop search东东。首先我们挖一下在Windows下的宝贝。这里我们介绍4款，分别是：

Copernic Desktop Search

它是由老牌的集成搜索公司Copernic开发的桌面搜索工具。Copernic Desktop Search是最早的桌面搜索工具之一，也是Windows平台上评价最高的桌面搜索产品。它在安装后自动为全盘建立索引，并且实时监控文件系统的变更来更新索引；它能够检索文件、文件夹以及文件内容；它支持Word, Excel, PowerPoint, PDF, HTML, Word Perfect, text, ZIP文件, Outlook、Outlook Express、Eudora Mozilla Thunderbird这三种邮件客户端中的邮件和附件以及超过150种其他文件格式，如MP3, JPG, WAV, MPEG。

Locate32

这款不是很有名。它跟其他desktop search有一个本质的不同：它的索引是存放在数据库中。它使用数据库来存储目录结构信息，然后用于查询。

Google Desktop Search

大名鼎鼎的Google Desktop Search是以侧边栏/小工具的形式呈现的，最新版的Google Desktop Search只要按两下Ctrl键就会弹极为简洁的搜索框。它不仅能够检索硬盘上的文件，还能搜索你的浏览器历史、GMAIL账户、Outloolk等等功能非常强大。它的所有配置、搜索结果都是以网页的形式呈现，必须通过浏览器来查看和设置。除了Windows版，它还支持MAC和Linux。下文也会提到。遗憾的是，google在2011年进行业务调整，停掉了Google Desktop Search项目。

Everything

Everything是一款非常轻量的软件，他非常的小巧且提供绿色版下载。它能够快速的索引整个硬盘并提供可靠的文件检索。它只能支持NFS文件系统，只能检索文件名和目录名，不能检索文件内容。

在Linux下，我们挑选了4款最流行的工具：分别是Beagle、Google Desktop Search、Tracker、Recoll。

Beagle

特点：

默认索引home目录，可手动修改索引范围
提供命令行模式
除了浏览器的历史记录和书签，还能索引emails, IM, RSS readers, address book等等
内置文件系统监控模块，实时更新索引
能从以下类型文件中抽取text和meta
- Office docs, plain text, HTML, DocBook, image and audio formats…
能搜索文件内的terms, 不支持PDF
支持14中搜索主题，以改进搜索质量
- Pictures, Media, Files, Archives, Mails …
支持丰富的查询表达式
- 关键词前加-号，即结果中不出现与该关键字相关的记录
- 使用OR定义查询
- 限定搜索结果的时间
- …

缺点：

消耗大量内存

2011年开始停止维护，最终版本3.3.2

Google Desktop Search

前文已经介绍过了Windows版本Google Desktop Search, 此处再对它的特点进行一个总结。

特点

安装后自动开始建索引，不消耗系统资源
默认支持17种文件类型，其他文件类型需安装插件
可以检索浏览器历史和email账户
按两次Ctrl弹出快捷搜索框，实时显示部分搜索结果
参数的设置以及搜索结果的显示都在浏览器上完成
对于text和PDF文件，在搜索结果下会给出内容摘录

2011年9月，google业务调整，停止对其支持

Tracker

特点

不自动索引，不主动监控文件系统变更
能够配置想要忽略的文件路径或文件名模式
能够索引emails, 浏览器书签，历史，notes，tasks
搜索结果会被划分到不同的类别，可以查看指定类别的结果
单击搜索结果可以查看文件信息
支持给索引的文件添加标签，便于文件的访问
- 这一功能非常不可靠，既是它的亮点，也是它最大的败笔，打相同标签的文件经常显示不全。

Recoll

特点：

基于Xapian搜索引擎，需要xapian-core, Qmake和Qt库支持
不自动索引，点击File>update启动索引
支持Cron表达式，设置自动索引时间，安排索引计划。
默认索引home目录
可设置关键字过滤规则，规则有：
- All of These, None of These, Any of These…（意思就是说，要检索时要考虑“所有的”、“这几个之外的”、“任意几个”关键字）
可指定搜索的文件类型
不主动监控文件系统变更，可在编译时recoll，添加监视模块
不支持所有文件类型，索引PDF,MP3,RTF, OFFICE.等文件需要安装额外的支持插件。