TYPO3 Indexed Search无法索引PDF文件问题求助

环境信息 #

系统环境 #

• Debian 12 bookworm
• PHP 7.4（尝试8.2/8.3时Crawler运行失败）+ FPM/FastCGI
• 已安装/usr/bin/pdftotext和/usr/bin/pdfinfo
• open_basedir配置包含/usr/bin

TYPO3及扩展版本 #

• TYPO3 v11.5（同时测试过v12.0.10，所有扩展已正确安装）
• Indexed Search Engine 11.5.38
• Site Crawler 11.0.7
• Bootstrap Package

现有配置 #

TypoScript设置 #

page.config.index_enable = 1
page.config.index_externals = 1

扩展配置 #

Indexed Search

• PDF解析器路径：/usr/bin
• PDF解析模式：0
• 全文数据长度：0
• 启用Metaphone搜索：1
• 忽略扩展名：jpg,gif.jpeg,html
• 调试模式：已勾选
• 最大外部文件数：99
• 使用"Crawler"扩展索引外部文件：未勾选

Site Crawler

• 基础站点：https://domain.it/
• PHP路径：/usr/bin/php

索引配置尝试 #

• 文件路径：fileadmin，深度4级
• 限制扩展名：仅pdf
• 数据库记录：选择file表

问题现象 #

1. 手动启动Crawler填充队列并执行后，仅页面被索引，PDF无任何索引记录：
   • Web>索引>根页面：页面列表仅显示页面统计，无PDF条目
   • 外部文档列表始终为空
   • 详细统计概览仅包含页面数据
2. 搜索"pdf"能找到6个重复命名的旧PDF索引，但无法新增新PDF的索引
3. 无论是否勾选「使用Crawler扩展索引外部文件」，问题均未改善

调试情况 #

• 启用Indexed Search调试模式后无相关输出
• /web/typo3temp/var/log/*.log及站点错误日志无异常记录

排查与解决步骤 #

1. 验证pdftotext/pdfinfo的可执行性 #

在服务器上执行以下命令，确认工具能正常提取PDF内容：

pdftotext /path/to/your/test.pdf -

如果命令无输出或报错，检查工具是否完整安装，或文件权限是否允许TYPO3运行用户（通常是www-data）读取PDF文件和执行工具。

2. 检查open_basedir与文件权限 #

• 确保open_basedir不仅包含/usr/bin，还要包含fileadmin目录的完整路径，例如：

  open_basedir = /var/www/html/:/usr/bin/:/tmp/
  

• 确认TYPO3运行用户对fileadmin下的PDF文件有读权限，对/usr/bin/pdftotext和/usr/bin/pdfinfo有执行权限。

3. 修正Indexed Search的PDF解析路径配置 #

将「PDF解析器路径」从/usr/bin改为工具的完整路径：/usr/bin/pdftotext，保存配置后清空现有索引并重新触发索引。

4. 调整索引触发方式 #

方式一：手动触发单文件索引

在TYPO3后台「文件>文件列表」中，找到目标PDF文件，右键选择「索引文件」，观察是否能成功索引。

方式二：使用CLI命令重新索引

执行TYPO3 CLI命令强制索引fileadmin目录：

php /var/www/html/typo3/sysext/core/bin/typo3 indexed_search:index --storage=1 --path=fileadmin/ --extension=pdf

（--storage=1对应默认文件存储，可根据实际环境调整）

5. 修正忽略扩展名配置 #

当前配置中ignore_extensions存在拼写错误：gif.jpeg，修正为gif,jpeg，同时确认未误添加pdf。

6. 排查Crawler扩展兼容性 #

若无需Crawler可暂时禁用该扩展，仅使用Indexed Search原生索引功能；若需保留，尝试更新Crawler到TYPO3 11.5兼容的最新版本，修复潜在bug。

7. 检查数据库索引表状态 #

进入TYPO3后台「系统>维护>分析数据库」，检查tx_indexedsearch_index、tx_indexedsearch_files等相关表是否损坏，执行必要的表优化。

内容的提问来源于stack exchange，提问作者Alessandro Tuveri