香港新浪網 MySinaBlog
f. | 23/04/16, 00:20 | ‧ 腦 ‧ | (68 Reads)

現時全球最熱, 並終於燒到香港巴拿馬文件, 洩露了約 2.6 TB 共一千多萬份不同格式的檔案, 有電郵有文件檔有圖像有 pdf。記者們託專家把它們全部 OCR 成文字, 再為它們建立搜尋器以方便查找及分析資料。由此可見搜尋工具的要性。

先別說如此大量的, 試想像一下: 你有同事突然離職/被離職, 而你不幸地被指派即時接手他的工作。你對他以前所做的一無所知, 而 HR 只為搬來他的一箱舊文件, 和一個從他的公司電腦拆出來的 harddisk; 但表明該 harddisk 隔天要交還 HR。你沒太多時間思考, 二話不說將 harddisk 的所有檔案抄到自己的電腦中, 再隨手用 file explorer 查看一下, 只知道你剛複製了一百多 GB 的檔案, e-mail 和甚他各式其他檔案共數十萬個, 除了一般 e-mail 和 office 檔外, 還有一堆似懂非懂的 "專業技術" 檔: 小至只得數十 bytes 的設定檔、header files、source codes, 大至百多 MB 的設計圖像和已簽文件的 scanned pdf。未知從何看起之際, 你桌上的電話響起, 來電者是那前同事的客戶, 要跟進他留下來的蘇州屎.....

 (閱讀全文)