JP2003157263A - 情報収集方法、情報収集装置及び検索対象文字情報蓄積プログラム - Google Patents

Abstract

(57)【要約】 【課題】様々なファイル形式に対応する情報収集と検索
を行うためには、新たなファイル形式が出現するたび
に、それらに対応する文字列抽出プログラムを追加する
必要が生じる。 【解決手段】あるファイル形式のファイルを作成するア
プリケーションプログラムがファイル内容を画面表示す
る際のＡＰＩ呼び出しを検出して、ここから表示文字列
を抽出し、これを蓄積して検索の対象とする。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は計算機の記憶装置内
に蓄積された情報、および、ネットワーク接続された計
算機から入手可能な情報の中から必要とする情報を検索
する情報検索に関する。

【０００２】

【従来の技術】従来の情報収集検索方式には、記憶装置
に記憶された多数の電子ファイルを検索対象として、検
索対象となる電子ファイル（ワープロ文書、表計算文書
など）がどのようなキーワードを含んでいるかをあらか
じめ分析しておき、検索者が入力したキーワードを含む
電子ファイルの一覧をすばやく表示する方式が知られて
いる。

【０００３】検索対象となる電子ファイルには様々な形
式があり、そのほとんどには文字列以外の制御コードや
図形情報、内容とは無関係の注釈、属性情報などが混在
している。また、同じキーワードを含んでいる電子ファ
イルでも、ファイル中で利用されるコード体系が異なる
場合、同じキーワードが異なるバイト列として電子ファ
イル中に記憶される。

【０００４】これらに対応するために、従来の方法では
電子ファイルから検索対象となる文字列を抽出するフィ
ルタと呼ばれるプログラムが必要であった。フィルタプ
ログラムは絵や図形などを含むファイルから文字情報だ
けを抽出するものである。また、フィルタプログラムは
電子ファイルの種別ごとに作成され、備えられる。

【０００５】すなわち、特定のファイル形式に対応した
フィルタプログラムが、当該ファイル形式の電子ファイ
ルから検索対象となる文字列を抽出し、この抽出結果か
らキーワードや文字の有無を分析した結果を元のファイ
ルの分析結果として記憶しておくのである。

【０００６】

【発明が解決しようとする課題】しかし、上記従来技術
では、新たなファイル形式が出現するたびに、または、
アプリケーションプログラムのバグ修正やバージョンア
ップによって既存のファイル形式が変更されるたびに、
それらに対応するフィルタプログラムを追加、または、
修正する必要が生じるという問題があった。

【０００７】本発明の目的は、新たなファイル形式が出
現したり、既存のファイル形式が変更されたりした場合
でも、機能追加および修正が必要とならない情報収集／
検索を可能とすることにある。

【０００８】

【課題を解決するための手段】上記目的を達成するため
に、本発明ではアプリケーションプログラムから文字表
示のためのオペレーティングシステム（以下ＯＳ）のア
プリケーションプログラミングインターフェイス（以下
ＡＰＩ）へ渡される文字情報を収集し、これをデータベ
ース（以下ＤＢ）に蓄積した結果を検索対象とする。

【０００９】

【発明の実施の形態】以下、本発明の第１の実施例を図
を用いて説明する。どこかで見たことがある。しかし、
そのファイル形式やファイル名は記憶していない。この
ような状態で情報を検索したい場合がある。従来はファ
イルの形式毎にフィルタプログラムを用意し、これによ
って、キーワード毎に多数のファイルのそれぞれがその
キーワードを含んでいるかどうかの情報を作成して検索
に供していた。しかしながら、このようなフィルタプロ
グラムを用意することは上述のように大変なことである
ので、本実施例ではフィルタプログラムを使わずに検索
対象となるデータを作成する。

【００１０】本実施例においては単一の計算機（携帯情
報端末を含む）の記憶装置に蓄積された情報から、また
は、図１に示したような複数の計算機１０１、１０２、
１０４がネットワーク１０３（有線または無線）により
接続され、相互に情報のやり取りを行う環境に分散して
蓄積された情報から、利用者が必要とする情報を検索す
る。

【００１１】ほとんど全ての近代的な計算機は図２のよ
うなソフトウェア構造を持っている。ハードウェア層２
０１の上にこれらを直接制御するＯＳ層２０２があり、
その上にアプリケーションプログラムが共通に利用する
機能を集めたミドルウェア層２０３とアプリケーション
層２０４がある。

【００１２】より上の層のソフトウェアは、より下の層
のソフトウェアの機能を利用する。より下の層のソフト
ウェアが、より上の層のソフトウェアのために、自身の
機能の利用方法を規定したのがＡＰＩである。例えば、
表計算アプリケーションはＯＳが提供するファイルアク
セス機能を利用するためにファイルアクセス用ＡＰＩを
利用する。

【００１３】通常、アプリケーションプログラムはそれ
ぞれ固有のファイル形式でデータを記録する。例えば、
ワープロアプリケーションで作成したファイルと、表計
算アプリケーションで作成したファイルの形式は異な
る。しかし、同じＯＳ上で動作するアプリケーションは
ファイルの内容を画面に表示するために、ファイルの形
式に係わらず共通の文字表示ＡＰＩを利用する。

【００１４】図３にその様子を示す。計算機の記憶装置
内にはテキストファイル３０１、ＨＴＭＬファイル３０
２、ワープロ文書ファイル３０３、ＰＤＦファイル３０
４など様々な形式のファイルが存在し、それぞれのファ
イル形式毎にその内容を閲覧／編集するためのアプリケ
ーションプログラム（テキストエディタ３０５、Ｗｅｂ
ブラウザ３０６、ワープロアプリケーション３０７、Ｐ
ＤＦファイルビューワ３０８など）が存在する。それぞ
れのアプリケーションプログラムはファイルを開いて画
面に表示すべき情報を抽出し、ＯＳの画面描画ＡＰＩを
利用して画面表示を行う。例えば、表示内容が文字の場
合、文字表示ＡＰＩ（３１０）を利用して画面への表示
を行う。文字表示ＡＰＩはＯＳによってひとつから数個
程度存在する。

【００１５】また、近代的なＯＳは自身が提供するＡＰ
Ｉの呼び出しがあるたびに、あらかじめ登録された別の
プログラム(フックプログラム)にそのことを知らせる仕
組み（ＡＰＩフック）を具備しているか、または、機能
拡張により実現可能としている。

【００１６】本実施例ではこのＡＰＩフックの仕組みを
利用して、画面に表示される文字情報の収集を行い、収
集結果に対して検索を行うことで、新たなファイル形式
が出現したり、既存のファイル形式が変更されたりした
場合でも、機能追加および修正が必要とならない情報収
集と検索を実現する。

【００１７】ＡＰＩフックの仕組みを利用するために
は、あらかじめＯＳにフックプログラムを登録しておく
（フックプログラムを記憶装置に格納し、その格納場所
をＯＳに記憶させておく）必要がある。フックプログラ
ムの登録は、ＯＳの起動処理中、または、利用者のログ
イン処理中、または、利用者の指示があった時などに行
われる。フックプログラムの登録後、解除されるまで、
利用者の操作に応じて画面表示される全ての文字が蓄積
対象となる。

【００１８】また、本発明では情報収集を行うフックプ
ログラムと、検索を行う検索プログラムはそれぞれ別の
プログラムとして動作することができる。すなわち、情
報収集の方法を変更することなく、検索方法だけをより
効率的なものに変更することができる。本発明の本質は
情報収集方法にあるため、本実施例では検索方法につい
ては既知の単純なものを利用するが、検索対象が含むキ
ーワードや文字をあらかじめ分析してインデックスと呼
ばれる情報を作成し、高速に検索を行う方法など、より
複雑なものを利用することもできる。

【００１９】以下では、アプリケーションプログラムが
ファイルを開いてその内容を表示するまでの手順（図
４）に従って、ＡＰＩフックの仕組みを利用した情報収
集方法を説明する。図４の破線は動作するソフトウェア
の区分分けを表しており、左側がアプリケーションプロ
グラムの動作を、中央がＯＳまたはフック処理プログラ
ム（ＡＰＩの呼び出しがあったときＡＰＩに対応するフ
ックプログラムが登録されているかを判定し、登録され
ていればフックプログラムに処理を移す機能を持つプロ
グラム）の動作を、右側がフックプログラムの動作を、
それぞれ表す。

【００２０】はじめに、アプリケーションプログラムは
記憶装置からファイルを読み込み（ステップ４０１）、
ファイルから文字情報や図形情報など画面への表示内容
を抽出する（ステップ４０２）。次に、表示内容（画
像、文字、図形など）に適した画面出力ＡＰＩを呼び出
す（ステップ４０３）（ここでは文字表示ＡＰＩを呼び
出した例を記載した）。

【００２１】これにより、制御がＯＳに移り、ＯＳの当
該ＡＰＩに対応するフック処理(フックプログラムの格
納場所を見てフックプログラムを起動する)が行われる
（ステップ４１１）。当該ＡＰＩに対応するフックプロ
グラムが登録されていると、ＯＳは当該ＡＰＩの本来の
処理（ステップ４１２）を行う前に、登録されたフック
プログラムに制御を移す。

【００２２】フックプログラムは文字表示ＡＰＩに渡さ
れた文字情報を抽出し、文字情報記録用ＤＢに記録する
（ステップ４２１）。この文字情報はファイル形式には
関係しない共通の形式となっている。具体的にはテキス
ト形式である。また、この文字情報記録用ＤＢはフック
プログラムが動作する計算機内に存在しても、ネットワ
ーク経由でアクセス可能な別の計算機内に存在しても構
わない。これによって、フィルタプログラムの介在なし
にファイルの文字情報だけが抽出され、しかも、それが
元のファイルの形式に関係なく共通の形式で蓄積され
る。このように、フックの仕組みを利用して文字情報を
蓄積して検索に供する。

【００２３】フックプログラムの処理が終了すると制御
がＯＳに戻り、ＯＳは本来の処理である文字表示（ステ
ップ４１２）を行い、ＡＰＩ呼び出し元のアプリケーシ
ョンに制御を戻す。アプリケーションプログラムは全て
の画面表示処理が終了したかどうか調べ（ステップ４０
４）、未終了ならステップ４０２へ戻り、終了まで上記
処理を繰り返す。

【００２４】ステップ４２１で記録される情報の例（Ｄ
Ｂの構造）を図５に示す。情報取得日５０１、文字表示
ＡＰＩを呼び出したアプリケーションプログラム名５０
２、アプリケーションプログラムが表示していたファイ
ル名５０３、ファイルの存在する場所５０４、プロセス
の識別子５０５、スレッドの識別子５０６、表示文字列
５０７などが記録される。ＯＳによっては全ての情報を
取得できない場合がある（例えば、スレッドを持たない
ＯＳの場合や、ファイルではなくＤＢ内のデータを閲覧
している場合など）。したがって、全ての情報が必ずし
も必要というわけではない。なお、ここで図５のデータ
テーブルの各行を一つのレコードという。

【００２５】フックプログラムでの記録処理の詳細を図
６に示す。はじめに、文字表示ＡＰＩに渡された文字を
抽出し（ステップ６０１）、文字表示ＡＰＩ呼び出し元
アプリケーションに関する情報を取得する（ステップ６
０２）。これはアプリケーションプログラム名、プロセ
スＩＤ、スレッドＩＤなど前記ＤＢに記録すべき情報で
ある。

【００２６】次に、既にＤＢに登録されているレコード
の項目と比較して、文字情報の連続性を判定する（ステ
ップ６０３）。この処理により、文字表示ＡＰＩの複数
回に渡る呼び出しで１画面の表示が完結する場合、各Ａ
ＰＩ呼び出し間のつながりを認識することができる。

【００２７】具体的には、ステップ６０３で日付（５０
１）、アプリケーションプログラム名（５０２）、ファ
イル名（５０３）、ファイル場所（５０４）、プロセス
ＩＤ（５０５）、スレッドＩＤ（５０６）の全てが
（「不明」の場合を含めて）一致する項目が見つかった
場合、当該項目の表示文字列（５０７）にステップ６０
１で抽出した文字を追加する（ステップ６０４）。見つ
からなかった場合、ＤＢに新規項目を作成して、その表
示文字列欄（５０７）にステップ６０１で抽出した文字
を新規登録する（ステップ６０５）。

【００２８】次に、検索プログラムの処理手順を図７に
示す。はじめに、利用者が検索したいキーワードを入力
する（ステップ７０１）。次に、フックプログラムが生
成したＤＢの先頭レコードを読み取り（ステップ７０
２）、当該レコードの表示文字列欄の文字列情報に対し
て文字列検索を行い（ステップ７０３）、キーワードの
有無により処理を振り分ける（ステップ７０４）。当該
レコードにキーワードが含まれない場合、前記ＤＢ内の
次のレコードの取得を試みる（ステップ７０５）。取得
できた場合、ステップ７０３へ戻る。取得できなかった
場合、処理を終了する。また、当該レコードにキーワー
ドが含まれる場合、当該レコードの内容を表示して（ス
テップ７０６）、利用者の入力を待つ（ステップ７０
７）。利用者が［次を検索］ボタンを押下したかどうか
を判定し（ステップ７０８）、押下された場合、ステッ
プ７０５へ戻り、上記の処理を次のレコードに対して行
う。［次を検索］ボタンが押下されなかった場合、検索
処理を終了する。

【００２９】検索プログラムの検索結果を表示する画面
例を図８に示す。利用者が入力した検索文字列８０１、
見つかったレコードの内容８０５が表示される。レコー
ドは、記録された日付８０２、当該文字列を表示したア
プリケーション名８０３、表示文字列８０４などからな
る。日付８０２は図５の日付５０１に、アプリケーショ
ン名８０３は図５のアプリケーション名５０２に、表示
文字列８０５は図５の表示文字列５０７にそれぞれ対応
する。図５の表示文字列はタブや改行文字も文字の一部
として持っている。従って、表示画面に表示すると、図
８の８０４のような表示形態となる。(特にレイアウト
機能を持たなくとも良い)前記ＤＢ内の他の項目を表示
するようにしても構わない。ボタン８２１は次のレコー
ドへ検索を進めるため、ボタン８２２は検索処理を終了
するために、それぞれ用意されている。また、表示文字
列内で発見されたキーワード（８１１、８１２）は他の
文字列と区別できるように強調表示される（ここでは下
線付太文字とした）。

【００３０】以上のような本発明の第１の実施例によれ
ばフィルタプログラムが不要で、かつファイルの形式の
違いに係わらず共通な形式の検索対象となるデータベー
スを得ることが出来る。

【００３１】本発明の第２の実施例は、第１の実施例の
図６のステップ６０４で、抽出した文字列を既存のＤＢ
レコードの表示文字列欄（５０７）に追加する際に、追
加先文字列の末尾に単純に連結するのではなく、追加先
文字列の末尾と追加文字列の先頭部分が一致する場合、
追加文字列から一致部分を取り除いた残りだけを追加先
文字列の末尾に連結する。また、追加文字列全体が追加
先文字列に既に含まれている場合、文字列を追加しない
ようにする。図８を利用してこれを具体的に説明する。
図４のステップ４０２では１画面の表示を想定してい
る。始めに、ある画面に画面の表示スペースの制限か
ら、「打ち合わせメモ」という表題と、日時と、場所
と、参加者と、配布資料とが表示されたとする。次の画
面で、スクロールアップにより、配布資料と、内容とが
表示されたとする。このとき、「配布資料」が両画面表
示で一致している。したがって、次画面での文字情報記
録は「配布資料」を含まないようになされる。

【００３２】これにより、文字列情報の連続性を失うこ
となく、検索対象となる文字列内の重複部分を取り除く
ことができる。これは検索対象となるデータ量の削減、
ひいては、検索時間の短縮につながる。

【００３３】本発明の第３の実施例は、第１の実施例ま
たは第２の実施例の情報収集部分を置換する情報収集検
索方法である。第１、第２の実施例では利用者が自発的
に開いたファイルが情報収集の対象となっていたが、第
３の実施例では利用者が実際に見たか見ないかは問わず
利用者があらかじめ指定したファイル集合を情報収集の
対象とする。ファイル集合の指定方法はファイル名を列
挙する方法、または、ひとつ以上のディレクトリを指定
して当該ディレクトリに含まれる全てのファイルを情報
収集対象とする方法、または、前記２つの方法を組み合
わせて指定する方法などが考えられる。自装置またはネ
ットワークを通してアクセス可能なファイルは総て対象
となり得る。

【００３４】以下図９に沿って手順を説明する。はじめ
にフックプログラムを登録する（ステップ９０１）。複
数の文字表示ＡＰＩが存在する場合、文字表示ＡＰＩに
フックプログラムを登録する。登録される文字表示ＡＰ
Ｉは総てであっても良い。これにより以降の文字表示Ａ
ＰＩ呼び出しがフックされ、表示文字情報が蓄積され
る。次に、分析対象となるファイル集合の先頭ファイル
を取得し（ステップ９０２）、図５でその構造を示した
前記ＤＢに当該ファイル用の新規レコードを登録する
（ステップ９０３）。ここでは、日付（５０１）、アプ
リケーション名（５０２）、ファイル名（５０３）、フ
ァイル場所（５０４）を確定することができる。

【００３５】次に、前記ファイル内容を表示できるアプ
リケーションで前記ファイルを開き（ステップ９０
４）、このアプリケーションのプロセスＩＤを取得（ス
テップ９０５）して、ステップ９０３で登録したレコー
ドに当該プロセスＩＤを登録する。ファイルをアプリケ
ーションで開くことで画面表示が行われるのでステップ
９０１で登録したフックプログラムが実行される。な
お、ファイルを開くということは現実に表示装置に表示
されることを必要とはしないが、文字表示ＡＰＩが動作
することが必要である。プロセスＩＤを取得するのは、
プロセスＩＤが同じなら同じファイルを開いていると考
えて良いので、図６のステップ６０３と同様に新しいレ
コードを作るか、または同じレコードに文字列を追記す
るかの判定をするためである。

【００３６】第３の実施例ではフックプログラムのステ
ップ６０３の文字情報の連続性判定方法を「スレッドＩ
Ｄ５０６を考慮しない」ように変更する。この修正によ
り、ステップ９０３で登録したレコードの表示文字列欄
５０７に当該表示文字列が追加される。この場合、スレ
ッドＩＤは１つしかない場合であって、スレッドＩＤを
考慮しなくとも同一ファイルか異なるファイルかはプロ
セスＩＤだけで判る。

【００３７】次に、ステップ９０５で取得したプロセス
ＩＤをもとに、前記アプリケーションに「次画面表示イ
ベント」を送付する（ステップ９０６）。これは１つの
ファイルが１画面に一度に表示出来ないことを想定して
いるからである。次画面表示イベントはＯＳにより異な
るが、ページダウンキー押下イベント、下矢印キー押下
イベント、下スクロールイベントなどがこれにあたる。
次画面イベントを送付することはあたかも操作者が画面
を見て、次画面を表示させる操作をしたかのような制御
情報を自動的に作成しアプリケーションプログラムに送
付することを示す。これは１つのファイルの全部を表示
するためである。

【００３８】次に、前記ステップ９０６でファイルの末
尾まで到達したかどうかを判定し（ステップ９０７）、
未到達の場合はステップ９０６を繰り返し行う。ファイ
ルの末尾に到達した後に、次画面表示イベントを受け取
っても画面の描画は行われない。すなわちフックプログ
ラムが実行されないことから、「ステップ９０６でイベ
ントを送付してもフックプログラムの実行が行われなく
なること」でファイルの末尾への到達を認識する（詳細
は図１０を使って説明する）。

【００３９】ファイルの末尾へ到達した場合、前記アプ
リケーションを終了させ（ステップ９０８）、前記分析
対象ファイル集合の次ファイルの取得を試みる（ステッ
プ９０９）。次のファイルが存在すれば、ステップ９０
３へ戻って、当該ファイルを対象として上記の手順を繰
り返す。存在しなければ処理を終了する。

【００４０】ステップ９０７での「ファイルの末尾への
到達判定」の詳細を図１０を使って説明する。概略を説
明すると、フックプログラムの実行時刻を記録してお
き、ファイルの末尾に達すると新しい表示がない、つま
りフックプログラムが動作しない。従って、最終実行時
刻は変化しなくなる。これを検出することでファイルの
末尾を判定出来る。

【００４１】はじめに、フックプログラムの最終実行時
刻を取得する（ステップ１００１）。ステップ１００１
を実行可能とするためにフックプログラムはステップ４
２１で自身が実行された時に、時刻を記録し、かつ、他
のプログラムからの当該時刻の取得を可能とするものと
する。

【００４２】次に、これをステップ９０７が設定および
参照可能な変数「前回実行時刻」と比較する（ステップ
１００２）。等しい場合、「末尾に到達」と判定する
（ステップ１００５）。等しくない場合、前記前回実行
時刻に前記最終実行時刻を代入し（ステップ１００
３）、「末尾に未到達」と判定する（ステップ１００
４）。

【００４３】

【発明の効果】本発明により、新たなファイル形式が出
現したり、既存のファイル形式が変更されたりした場合
でも、機能追加および修正が必要とならない情報収集と
検索を実現できる。

【図面の簡単な説明】

【図１】計算機環境を表す図。

【図２】計算機内部のソフトウェアの構造を表す図。

【図３】アプリケーションプログラムがＯＳのＡＰＩを
呼び出すことを示す図。

【図４】ＡＰＩをフックして表示文字情報を収集する際
の処理手順図。

【図５】フックプログラムが記録する情報の例（ＤＢ構
造）を示す図。

【図６】文字情報記録処理（ステップ４２１）の手順
図。

【図７】検索処理手順図。

【図８】検索結果表示画面例。

【図９】利用者が指定したファイル集合を情報収集の対
象とする情報収集方法の手順図。

【図１０】ファイルの末尾への到達判定方法（ステップ
９０７）の手順図。

【符号の説明】

４０２．ファイルから画面への表示内容を抽出するステ
ップ ４０３．画面表示ＡＰＩを呼び出すステップ ４１１．フック処理を行うステップ ４１２．画面に文字を表示するステップ ４２１．画面表示文字をＤＢに記録するステップ

Claims (6)

【特許請求の範囲】
1. 【請求項１】アプリケーションプログラムからオペレー
   ティングシステムの文字表示のためのアプリケーション
   プログラミングインターフェイスを呼び出し、前記文字
   表示のためのアプリケーションプログラミングインター
   フェイスへ前記アプリケーションプログラムが扱う文字
   情報を渡し、前記文字表示のためのアプリケーションプ
   ログラミングインターフェイスへ渡された前記文字情報
   を収集し、これをデータベースに蓄積することを特徴と
   する情報収集方法。
2. 【請求項２】アプリケーションプログラムからオペレー
   ティングシステムの文字表示のためのアプリケーション
   プログラミングインターフェイスを呼び出し、前記文字
   表示のためのアプリケーションプログラミングインター
   フェイスへ前記アプリケーションプログラムが扱う文字
   情報を渡し、前記文字表示のためのアプリケーションプ
   ログラミングインターフェイスが呼び出されるとフック
   プログラムを動作させ、フックプログラムにおいて前記
   文字表示のためのアプリケーションプログラミングイン
   ターフェイスへ渡された前記文字情報を収集し、これを
   データベースに蓄積することを特徴とする情報収集方
   法。
3. 【請求項３】前記文字表示のためのアプリケーションプ
   ログラミングインターフェイスへ渡された前記文字情報
   を収集するステップにおいて、既に蓄積された文字列と
   の重複部分を除いた文字列を追加して収集することを特
   徴とする請求項１または２記載の情報収集方法。
4. 【請求項４】前記アプリケーションプログラムは利用者
   が指定したファイル集合を対象としてファイルを読み出
   し、これを表示することを特徴とする請求項１または２
   に記載の情報収集方法。
5. 【請求項５】コンピュータを、アプリケーションプログ
   ラムによって呼び出されたオペレーティングシステムの
   文字表示のためのアプリケーションプログラミングイン
   ターフェイスへ前記アプリケーションプログラムから渡
   された文字情報を収集する手段と、これをデータベース
   に蓄積する手段として機能させるための検索対象文字情
   報蓄積プログラム。
6. 【請求項６】アプリケーションプログラムからオペレー
   ティングシステムの文字表示のためのアプリケーション
   プログラミングインターフェイスを呼び出す手段と、前
   記文字表示のためのアプリケーションプログラミングイ
   ンターフェイスへ前記アプリケーションプログラムが扱
   う文字情報を渡す手段と、前記文字表示のためのアプリ
   ケーションプログラミングインターフェイスへ渡された
   前記文字情報を収集し、これをデータベースに蓄積する
   手段とを備えたことを特徴とする情報収集装置。