Как 1С 8.3 читает содержимое PDF и DOCX и находит по нему документы

Извлечение текста файлов для поиска в 1С 8.3 — это отдельный шаг перед индексацией: платформа объектом ИзвлечениеТекста достаёт из PDF, DOCX или XLSX обычный текст, программа сохраняет его в реквизит карточки файла, и уже этот реквизит попадает в индекс полнотекстового поиска. Без извлечения поиск видит только имя файла и описание, а содержимое вложений для него пустое.

В типовых конфигурациях на БСП (Бухгалтерия 3.0, ЗУП 3.1, УТ 11, Документооборот) включение делается флажками в разделе Администрирование → Общие настройки, а работу выполняют регламентные задания. В своей конфигурации тот же механизм собирается из трёх объектов платформы: ИзвлечениеТекста, реквизита с признаком полнотекстового поиска и ПолнотекстовыйПоиск.ОбновитьИндекс. Чаще всего поиск по содержимому не работает из-за отсутствия фильтра PDF на компьютере, где фактически идёт извлечение.

Как устроен полнотекстовый поиск и где в нём извлечение текста

Полнотекстовый поиск 1С работает не по таблицам базы напрямую, а по собственному индексу. Индекс — это словарь «слово → объекты, где оно встречается» с учётом морфологии русского языка. Поэтому запрос «договоров поставки» находит документ со словами «договор поставки».

Цепочка для присоединённого файла выглядит так:

1. 📎 Пользователь прикладывает файл к документу или справочнику.
2. 🔍 Регламентное задание извлечения текста берёт файлы со статусом «не извлечён» и получает из них текст.
3. 💾 Текст записывается в служебный реквизит версии файла, у файла меняется статус.
4. 📚 Задание обновления индекса добавляет новый текст в индекс полнотекстового поиска.
5. ✅ Строка поиска в интерфейсе «Такси» находит файл по фразе из его содержимого.

Отсюда главное правило диагностики: если документ не находится, сначала проверьте, извлёкся ли текст, и только потом — актуален ли индекс. Это две разные операции, и ломаются они по-разному.

Какие форматы 1С извлекает и чем

Объект ИзвлечениеТекста сам не разбирает форматы. На Windows он обращается к фильтрам IFilter — тем же компонентам, которыми пользуется поиск Windows. Что умеет фильтр, то умеет и 1С.

На Linux системы IFilter нет. Там платформа обрабатывает собственными средствами ограниченный набор — в основном текстовые форматы и офисные файлы Open XML и ODF. Перед переводом сервера 1С на Linux прогоните на нём пробное извлечение по своим типам файлов, особенно по PDF.

Важный нюанс про разрядность. Фильтр должен совпадать по разрядности с процессом, который извлекает текст: для 64-битного сервера 1С нужен 64-битный IFilter. Установленный 32-битный фильтр 64-битный процесс rphost просто не увидит.

Как включить полнотекстовый поиск и извлечение текста в типовой конфигурации

В конфигурациях на БСП настройка собрана в одном месте. Порядок для Бухгалтерии 3.0, ЗУП 3.1 и УТ 11 одинаковый.

Шаг 1. Включить сам поиск

1. Откройте Администрирование → Общие настройки.
2. Найдите группу «Полнотекстовый поиск» и установите флажок полнотекстового поиска данных.
3. Перейдите по ссылке настройки рядом с флажком — откроется форма управления индексом и извлечением текстов.

Шаг 2. Включить автоматическое извлечение текста

В той же форме управления есть флажок автоматического извлечения текстов файлов. Он включает регламентное задание «Извлечение текста». Без него файлы так и останутся со статусом «не извлечён».

Шаг 3. Решить, где извлекать текст

В файловой базе регламентные задания выполняются в сеансе пользователя. Если фильтр PDF стоит только у бухгалтера, а задание отработало у кладовщика, PDF не извлечётся.

Шаг 4. Построить индекс и проверить

1. В форме управления нажмите обновление индекса и дождитесь окончания.
2. Проверьте дату актуальности индекса в той же форме.
3. Приложите тестовый DOCX с редким словом, например «квазистационарный», подождите отработки заданий и найдите его через строку поиска.

Расписание заданий смотрите в Администрирование → Обслуживание → Регламентные операции → Регламентные и фоновые задания. Там видны «Извлечение текста», «Обновление индекса ППД» и «Слияние индекса ППД», их последний запуск и ошибки.

Код: извлечение текста через временный файл

Если конфигурация своя или нужно извлечь текст разово, хватит платформенных объектов. Файлы в базе хранятся как ДвоичныеДанные — в хранилище значения, в томе или в потоке. Конструктор ИзвлечениеТекста надёжнее всего кормить именем файла на диске, поэтому двоичные данные сначала записывают во временный файл.

&НаСервере
Функция ТекстИзДвоичныхДанных(ДвоичныеДанные, Расширение)

    ИмяВременногоФайла = ПолучитьИмяВременногоФайла(Расширение);
    ДвоичныеДанные.Записать(ИмяВременногоФайла);

    Текст = "";
    Попытка
        Извлечение = Новый ИзвлечениеТекста(ИмяВременногоФайла);
        Текст = Извлечение.ПолучитьТекст();
    Исключение
        ЗаписьЖурналаРегистрации("ИзвлечениеТекста",
            УровеньЖурналаРегистрации.Предупреждение, , ,
            ПодробноеПредставлениеОшибки(ИнформацияОбОшибке()));
    КонецПопытки;

    Попытка
        УдалитьФайлы(ИмяВременногоФайла);
    Исключение
        // файл мог остаться занят фильтром — удалится при очистке временного каталога
    КонецПопытки;

    Возврат Текст;

КонецФункции

Расширение передавайте без точки: "pdf", "docx". По расширению Windows выбирает фильтр, поэтому файл без расширения не извлечётся, даже если внутри обычный документ Word.

Дальше текст кладут в реквизит, который участвует в полнотекстовом поиске. Если текст длинный, используют реквизит неограниченной строки или ХранилищеЗначения — в БСП текст файла хранится именно в хранилище значения.

Что включить в Конфигураторе, чтобы текст попал в индекс

Полнотекстовый поиск управляется свойствами метаданных. Если реквизит с текстом исключён из поиска, извлечение отработает, а находиться ничего не будет.

1. Откройте объект метаданных — справочник или регистр, где лежит текст.
2. На закладке «Прочее» или в палитре свойств найдите свойство «Полнотекстовый поиск» и выберите «Использовать».
3. Откройте реквизит с текстом и проверьте у него то же свойство — оно задаётся отдельно для каждого реквизита.
4. Сохраните и выполните Обновить конфигурацию базы данных.

Включить поиск для базы и обновить индекс можно и из кода:

ПолнотекстовыйПоиск.УстановитьРежимПолнотекстовогоПоиска(
    РежимПолнотекстовогоПоиска.Разрешить);

// Ложь — без слияния, Истина — порциями
ПолнотекстовыйПоиск.ОбновитьИндекс(Ложь, Истина);

Проверка поиска:

Список = ПолнотекстовыйПоиск.СоздатьСписок("акт сверки поставщик", 50);
Список.ПерваяЧасть();
Сообщить("Найдено: " + Формат(Список.ПолноеКоличество(), "ЧГ=0"));
Для Каждого Элемент Из Список Цикл
    Сообщить(Элемент.Представление);
КонецЦикла;

В строке поиска работают операторы И, ИЛИ, НЕ, фраза в кавычках, звёздочка * для окончания слова и # для нечёткого поиска с опечатками. Пользователям полезно показать хотя бы *: запрос счет* найдёт и «счёт», и «счета-фактуры». Регистр букв при поиске не учитывается, а буквы «е» и «ё» лучше проверить на своей базе тестовым запросом.

Без доработок индексом можно управлять вручную: Все функции → Стандартные → Управление полнотекстовым поиском. Если пункта «Все функции» нет в меню, включите его в параметрах программы.

Почему не находится содержимое файла: ошибки и их устранение

Очистку и полную перестройку индекса делайте вне рабочего времени. Пока индекс строится, поиск в базе неполный, а на базе с сотнями тысяч объектов построение занимает от десятков минут до нескольких часов. В файловой базе удаление папки 1Cv8FTxt вручную возможно только когда все пользователи вышли из программы — иначе файлы заняты и сеансы получат ошибки.

Если не помогло

• 🧪 Проверьте фильтр без 1С: положите тот же PDF в папку, которую индексирует поиск Windows, и найдите его по слову из текста. Не находит Windows — не найдёт и 1С.
• 🧾 Посмотрите журнал регистрации с отбором по событию фонового или регламентного задания — там будет текст исключения фильтра.
• 👤 Проверьте права учётной записи, от которой работает служба сервера 1С, на временный каталог: временный файл создаётся там.
• 🔁 После установки фильтра перезапустите службу сервера 1С, чтобы рабочие процессы подхватили его. Перезапуск оборвёт сеансы всех пользователей — делайте это после предупреждения или вечером.

Как ускорить извлечение текста и индекс на больших объёмах

На базе с 50–100 тысячами вложений «включить и забыть» не работает: первое извлечение может идти сутками, а индекс разрастается до гигабайт.

• ⏱ Разнесите задания по времени. Извлечение текста грузит процессор, обновление индекса — диск. Пусть первое работает ночью, второе — каждые 10–15 минут днём, слияние — раз в сутки.
• ✂️ Исключите лишнее из индекса. Снимите свойство «Полнотекстовый поиск» с реквизитов, по которым никто не ищет: технических строк, GUID, сумм. Это уменьшит индекс и ускорит обновление.
• 🧩 Обновляйте порциями. Второй параметр ОбновитьИндекс (Истина) обрабатывает данные частями и не держит задание часами.
• 🔗 Не забывайте про слияние. Новые данные копятся во вспомогательном индексе; слияние переносит их в основной. Без слияния поиск постепенно замедляется.
• 💽 Держите индекс на быстром диске. Для серверной базы это диск с рабочим каталогом кластера, для файловой — диск с каталогом базы. SSD заметно сокращает время слияния.
• 🗂 Разгрузите первое извлечение. Если файлов много, сначала дайте заданию отработать по свежим вложениям, а архив прошлых лет оставьте на выходные.

Частые вопросы об извлечении текста