RIF - Rapid Info Finder

Поисковый движок по локальным файлам(продвинутый аналог grep)

Идея

Искать подстроки текста разными способами за O(n) без предварительной индексации. Особенности:

• 2 режима, точный поиск и поиск по синонимам
• Поддержка wildcards в точном поиске
• Поддержка синонимического поиска при помощи морфологического анализа и дерева синонимов с сохранением O(n) сложности поиска
• ICU для независимости от кодировки входного файла
• Поддержка текстовых документов, docx, pdf и оптического распознавания текста для pdf

Использование

1. Скачать архив RIF.rar последнего релиза
2. Разархивировать его в C:/
3. Запустить RIF.exe в C:/RIF/RIF.exe

Технические детали

• Язык: C++23
• std::generator для ленивого чтения docx файлов
• Алгоритмы для умного поиска
• Многопоточность

Производительность

Таблица 1: Обычный поиск (Exact Match + Wildcards)

| Потоки | Время (мс) | Скорость (МБ/с) | Ускорение (Scaling) |
|--------|------------|-----------------|---------------------|
| 1      | 315 мс     | 107 МБ/с        | 1.0x                |
| 5      | 64 мс      | 528 МБ/с        | 4.9x                |
| 10     | 45 мс      | 751 МБ/с        | 7x                  |

Таблица 2: Поиск с синонимами + обычный поиск (Synonyms + Stemming)

| Потоки | Время (мс) | Скорость (МБ/с) | Ускорение (Scaling) |
|--------|------------|-----------------|---------------------|
| 1      | 671 мс     | 50 МБ/с         | 1.0x                |
| 5      | 160 мс     | 211 МБ/с        | 4.2x                |
| 10     | 119 мс     | 284 МБ/с        | 5.6x                |

📚 Third-party Libraries & Contributors

Core & System

• ICU — International Components for Unicode.
• ZLIB — A mass-appeal data compression library.

Graphical User Interface (GUI)

• Dear ImGui — Bloat-free Graphical User interface for C++.
• GLFW — A multi-platform library for OpenGL, Window and Input.
• Native File Dialog (NFD) — A tiny cross-platform native file dialog library.
• FreeType — A freely available software library to render fonts.
• HarfBuzz — A software library for shaping Unicode text.

OCR & Document Processing

• Tesseract OCR — Open source Optical Character Recognition (OCR) Engine.
• Leptonica — An open source library for image processing and image analysis applications.
• MuPDF — A lightweight PDF, XPS, and E-book viewer.
• Gumbo Parser — An HTML5 parsing library in pure C.

Image Formats

• OpenJPEG — An open-source JPEG 2000 codec.
• libjpeg-turbo — A JPEG image codec that uses SIMD instructions to accelerate baseline JPEG compression and decompression.
• jbig2dec — A decoder library for the JBIG2 image compression format.