DEVONthink 中文索引生成程序
因为有了非常优雅的解决方案，这个项目短期内不会再更新了
还请使用这个 Alfred Workflow: https://github.com/mpco/AlfredWorkflow-DEVONthink-Search
@ringsaturn
2018-11-30
使用须知
这个方法并不能解决 DEVONthink 面对中文文本时孱弱的语义理解能力，只能做到改善 DEVONthink 的索引能力
- 更加优雅的 macOS 上的解决方式参见 DEVONthink search
- 如果希望 DEVONthink To Go 客户端上也有比较完整的索引，可以通过本脚本在 macOS 上得到关键词，同步到移动设备后供 To Go 索引
- 本脚本提供的方法比较笨重，在此提供一个在 iOS 上的轻巧的替代方法：用 JSBox 的分词功能
- 如果上述的替代的方法都不能满足您的要求，那么可以试试本脚本
原理
一句话解释：调用结巴分词从文本中提取关键词，并手动把关键词填入 Comments 中，供 DEVONthink 索引 结巴分词详情：fxsjy/jieba: 结巴中文分词
具体解释如下：
DEVONthink 的索引文件是一个个形如 ......-126376F59F4F.dtp2 的文件，其中包含了文件的元数据与可供索引的信息。由于 DEVONthink 不支持对中文等非拉丁语言进行分词，所以无法直接搜索关键词。对于 DEVONthink 而言，每一句话（前后是标点符号的即分割为一句话）就是一个单词，这对于中文肯定是不行的。我知道有一种变通的方法通过用 * 来分开每隔汉字，从而获得较好的搜索结果体验。这种方法带来的问题是，搜索起来太不直观了。解决方法就是尽可能完善相应项目的 Spotlight Comments，把可供 DEVONthink 索引的词填入进去即可。这也正是这个程序的目的，生成搜索关键词
- 默认关键词都是名词
- 计算相邻的两个词权重下降幅度即斜率是否小于阈值
用法
- 初始化后台服务: 运行一个小型服务器，提供基于结巴分词的关键词提取 API
- 复制笔记内容
- 前台调用 API 并把结果返回到剪贴板
- 在相应笔记的 Spotlight Comments 处粘贴剪贴板内容（可以通过
Command+Shift+I打开）
需要注意的是，程序默认提取的关键词都是名词，如果有别的需要，则需要修改对应部分的词性
安装及准备工作
准备后台服务
所有路径均默认在用户的根目录下
git clone https://github.com/ringsaturn/DEVONthink-Chinese-Search
cd DEVONthink-Chinese-Search
# 安装依赖
pip3 install -r requirements.txt
# 启动服务器
# 默认使用 5050 端口
# 重启/注销后需要再次执行这个命令
screen python3 AnalyzeKeyWordsAPI/Server.py准备前台服务 Alfred Workflow
推荐使用 get keywords 后台模式.alfredworkflow
其他
- 如果想提建议，发 issues 即可
- 如果向帮助改进/增加其他的入口，还请移步 CONTRIBUTING 了解具体的参数
- 也欢迎发邮件 [email protected]
待完成
- 简化安装工作
重要更新记录
2018-01-31 更新 2.0
实现了一个简单的 POST 接口，通过后台运行一个小型服务器，大幅降低提取关键词耗时（主要是结巴分词初始化耗时）
2018-01-31 晚间更新 2.1
利用 shell 脚本和 cURL 实现了一个更好的获取请求速度
2018-02-01 更新 2.2
增加一个后台功能，在后台读取剪贴板内容并把关键词粘贴回剪贴板
2018-02-21 更新 2.3b
测试功能，2.3 中已取消
从 2.3b 开始，提取关键词流程做了改变
- 输入文本整体进行分词并标注词性
- 过滤出名词词性
- 搜索引擎模式再分词
做出这个改变的原因是，在测试中发现结巴分词的提取关键词功能是基于词频的，语义上重要的词语并没有提取出来，故不进行根据权重的提取，试图用搜索引擎模式提高召回率
更新后的效果还有待观察。
2018-03-01 更新 2.3
- 移除搜索引擎模式
- 如果有一天找到了直接修改 DEVONthink 索引文件的方法就直接修改索引文件了
- Spotlight Comments 应当留给自己做一些备忘性质的记录。使用搜索引擎模式太乱了
- 修复词性过滤问题，默认过滤出：
- nr 人名
- ns 地名
- nt 机构团体
- nz 其他专名
参考：词性简介参见 jieba（结巴）分词种词性简介