Office SharePoint Server 2007 搜索模块的两个“大”问题

灰灰鼠精灵

　　OK，这篇blog算是来给Office SharePoint Server 2007 “揭丑”了，确切来说，是给Office SharePoint Server 2007中的搜索功能模块“揭丑”。其实，这里要说的两个问题很早就已经暴露出来了，但是为啥直到现在才进行“揭丑”行动呢？因为直到现在，我才能确定这两个问题已经有解决之道（或者有望解决），呵呵，否则，仅仅说问题，而不说怎么解决，您不是会更郁闷吗...

先来说第一个问题：不能正确对路径大小写敏感的内容源进行爬网。

Windows操作系统的一个特点就是对文件（或者文件夹）路径的大小写是不敏感的，也就是说，我们在Windows操作系统里面指定一个文件的路径，比如“C:\a.tmp”，如果你使用“c:\A.TMP”也是完全没有问题的。所以，构建在Windows IIS之上的Web应用，基本上对于路径也是大小写不敏感的，比如用户浏览“http://www.microsoft.com/products”和“http://www.microsoft.com/Products”对于服务器而言是一回事。但是这个假设仅仅在Windows平台上才适用，对于非Windows操作系统，它完全有可能对于路径是大小写敏感的，也就是说，对于一个构建在非Windows平台上的Web应用来说，“http://webapp/portal”和“http://webapp/Portal”对于服务器而言可是不一样的。

这似乎和我们平时的使用体验不一样，有人会说，“俺访问俺们公司一个Unix＋Apache＋Java的Web应用时，输入URL就从来没注意过大小写啊！”嗯，这应该是因为，要么Web服务器就配置成了大小写不敏感，要么Web服务器会自动进行大小写纠错，也就是说，如果你在浏览器中敲入“http://webapp/portal”，这个http访问到了Web服务器之后，Web服务器自动将这个请求导向到“http://webapp/Portal”上。

现在再回到正题上，由于Office SharePoint Server 2007是一个完全基于Windows平台的应用，所以，在当初对它的搜索爬网引擎进行设计时，就设计成了这样：当爬网引擎得到一个URL后，爬网引擎不管3721，就先把这个URL的字母全部转换成小写，然后再去访问它。比如，爬网引擎在爬一个Web应用首页时，得到了首页上的一个链接“http://webapp/News”，那么爬网引擎会直接把这个URL转换成“http://webapp/news”，然后再去访问它。如果这个Web应用恰好就是路径大小写敏感的，那么，嘿嘿，Office SharePoint Server 2007的爬网引擎就抓瞎了...

暂且不论当初为啥要这样设计，但是这的确是一个相当大的问题，因为如果我们需要Office SharePoint Server 2007对一个路径大小写的Web应用进行爬网（其实这样的Web应用数量是不少的），那么Office SharePoint Server 2007除了在日志里面纪录一些错误信息之外（甚至在日志中，这些URL都是全部小写的...），它几乎不能为我们爬任何有用的内容。

值得庆幸的是，现在我们对于这个问题有了解决办法，KB 932619描述了这个问题以及解决方法：安装hotfix 932620和hotfix 932621，然后按照KB 932619中的描述修改注册表就OK了。

第二个问题：不能对基于Forms验证的Web应用进行爬网

现在Office SharePoint Server 2007只能对要么匿名访问、要么基于Windows集成认证的Web应用进行爬网，但是对于大量的基于Forms验证的Web应用，却无能为力。幸运的是，很快微软也会发布相应的hotfix来增加对基于Forms验证的Web应用进行爬网的功能了（发布后我会在blog上告诉大家）。