了解 Windows 搜索中的筛选器处理程序

项目
06/13/2023

筛选器处理程序是 IFilter 接口的实现，可扫描文档中的文本和属性。筛选器处理程序从这些项中提取文本块，筛选出嵌入格式并保留有关文本位置的信息。他们还提取值区块，这些值是文档属性。 IFilter 是生成更高级别应用程序（如文档索引器和应用程序无关查看器）的基础。

本主题的组织方式如下：

关于 IFilter 接口
- 隔离过程
- IFilter DLL
- IFilter 结构
- 本机代码
查找 IFilter 类标识符
- IFilter：：GetChunk 和区域设置代码标识符
其他资源
相关主题

关于 IFilter 接口

Microsoft Windows 搜索使用筛选器提取要包含在全文索引中的项的内容。可以通过编写筛选器来提取内容和属性处理程序来扩展 Windows 搜索以为新的或专有文件类型编制索引，并编写属性处理程序以提取文件的属性。

IFilter 接口旨在满足全文搜索引擎的特定需求。全文搜索引擎（如 Windows 搜索）调用 IFilter 方法来提取文本和属性信息并将其添加到索引。 Windows 搜索将返回的 IFilter：：GetText 方法的结果拆分为单词，将其规范化，并将其保存在索引中。如果可用，搜索引擎使用语言代码标识符 (文本区块的 LCID) 来执行特定于语言的断字和规范化。

Windows 搜索使用下表中所述的三个函数访问已注册的筛选器处理程序 (IFilter 接口) 实现。加载和绑定到嵌入对象的筛选器处理程序时，这些函数特别有用。

函数	说明
LoadIFilter	获取指向最适合指定内容类型的 IFilter 的指针。
BindIFilterFromStorage	获取指向 IFilter 的指针，该指针最适合 IStorage Interface 对象中包含的内容。
BindIFilterFromStream	获取指向 IFilter 的指针，该指针最适合从流变量检索的指定类标识符 (CLSID) 。

IFilter 接口有五种方法，如下表所述。

方法	说明
IFilter：：Init	初始化筛选会话。
IFilter：：GetChunk	将 IFilter 置于第一个或下一个区块的开头，并返回描述符。
IFilter：：GetText	从当前区块中检索文本。
IFilter：：GetValue	从当前区块中检索值。
IFilter：：BindRegion	检索表示对象的指定部分的接口。保留供将来使用。

隔离过程

Windows 搜索在具有受限权限的本地系统安全上下文中运行 IFilters。在此 IFilter 主机隔离过程中，删除了许多权限：

受限代码
所有人
Local
交互
经过身份验证的用户
内置用户
用户的安全标识符 (SID)

删除这些权限意味着 IFilter 接口无权访问磁盘系统或网络或任何用户界面或剪贴板功能。此外，隔离进程在作业对象下运行，该对象阻止创建子进程，对工作集施加 100 MB 的限制。由于未正确实现第三方筛选器的可能性， IFilter 接口主机隔离过程提高了索引平台的稳定性。

注意

必须编写筛选器处理程序以正确管理缓冲区和堆栈。所有字符串副本都必须具有显式检查，以防止缓冲区溢出。应始终验证分配的缓冲区大小。应始终根据缓冲区的大小测试数据的大小。

IFilter DLL

IFilter DLL 实现 IFilter 接口，使客户端能够从文件类型、类或感知类型中提取文本和属性值信息。 Windows 搜索筛选过程 SearchFilterHost.exe 绑定到为项的类、感知类型或名称扩展注册的 IFilter 。

IFilter 结构

每个 IFilter 都是一个 DLL 文件，用于实现进程内组件对象模型， (COM) 服务器提供指定的筛选功能。下图演示了典型 IFilter DLL 的总体结构。更复杂的示例可以实现多个 IFilter 类。

典型 ifilter dll 结构示意图

本机代码

由于可能的公共语言运行时 (CLR) 运行多个加载项的进程的版本控制问题，必须使用本机代码编写筛选器。在 Windows 7 及更高版本及更高版本中，显式阻止使用托管代码编写的筛选器。

查找 IFilter 类标识符

IFilter DLL 的类在 PersistentHandler 注册表项下注册。对于 HTML 文件，以下示例演示了如何查找 HTML 文档的 IFilter DLL。此示例遵循的逻辑类似于系统用来查找与项关联的 IFilter 的逻辑。

检查 DLL 筛选器是否在注册表项 \HKEY_LOCAL_MACHINE\SOFTWARE\Classes 下注册了 PersistentHandler 的文件类型的扩展名。让此键为 Value1。如果该条目已存在，请跳到此过程的步骤 4，并在 Value1 该键中使用。值的类型为 REG_SZ。

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

或者，如果没有为扩展注册 PersistentHandler，请在注册表项 \HKEY_LOCAL_MACHINE\SOFTWARE\Classes 下查找与文档类型关联的 CLSID。让此键为 Value2。

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

确定是否为 CLSID 注册了 PersistentHandler。使用 Value2 步骤 2 中确定的，找到 \HKEY_LOCAL_MACHINE\SOFTWARE\Classes\CLSID\Value2 条目的 PersistentHandler。让此键为 Value3。

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

确定 IFilter 永久性处理程序 GUID。使用 Value1 和 Value3，查找文档类型的 IFilter 持久处理程序 GUID。注册表项 \HKEY_LOCAL_MACHINE\SOFTWARE\Classes\CLSID\Value1 或 3\PersistentAddinsRegistered\ 89BCB740-6119-101A-BCB7-00DD010655AF“/> 下的值生成此文档类型的 IFilter PersistentHandler GUID。让此键为 Value4。在此示例中， IFilter 接口 GUID 为 89BCB740-6119-101A-BCB7-00DD010655AF。

    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}

注意

在此示例中，HTML 文档的 IFilter DLL 是nlhtml.dll。

IFilter：：GetChunk 和区域设置代码标识符

文本的 LCID 可以在单个文件中更改。例如，说明手册的文本可能在英语 (en-us) 和西班牙语 (es) 之间交替，或者文本可能包含除主要语言以外的语言的单个单词。在任一情况下，每次 LCID 更改时 ，IFilter 都必须开始一个新区块。由于 LCID 用于选择合适的断字符，因此正确标识它非常重要。如果 IFilter 无法确定文本的区域设置，则它应返回带区块的零 LCID。返回零的 LCID 会导致 Windows 搜索使用语言自动检测 (LAD) 技术来确定区块的区域设置 ID。如果 Windows 搜索找不到匹配项，则默认为系统默认区域设置 (，方法是) 调用 GetSystemDefaultLocaleName 函数。有关详细信息，请参阅 IFilter：：GetChunk、 CHUNK_BREAKTYPE、 CHUNKSTATE 和 STAT_CHUNK。

如果控制文件格式，并且当前不包含区域设置信息，则应添加用户功能以启用正确的区域设置标识。使用不匹配的断字符可能会导致用户的查询体验不佳。有关详细信息，请参阅 IWordBreaker。

注意

筛选器与文件类型相关联，由文件扩展名、MIME 类型或 CLSID 表示。虽然一个筛选器可以处理多个文件类型，但每种类型只能使用一个筛选器。