Office und E-Mail

Ablago liest selbst nur PDF, JPEG und PNG. Mit dem Paket Office und E-Mail werden auch Word-, Excel- und PowerPoint-Dateien, OpenDocument (LibreOffice), RTF, Textdateien und E-Mails (.eml, Outlook .msg) im Volltext durchsuchbar: Das Paket liest den Text aus der Datei und gibt ihn Ablago. Die Datei selbst bleibt unverändert.

Es läuft im Paket-Läufer von Ablago: abgeschottet, ohne Netz, mit Grenzen für Speicher und Zeit. Makros und eingebettete Objekte führt es nie aus – es liest nur den Text.

Ein Vorschaubild und eine Ansicht als PDF bringt das Paket (noch) nicht mit; das ist ein eigener Schritt mit einem Zusatzdienst (#72).

So arbeitet es

1. Eine Datei eines der Typen unten kommt in Ablago (Hochladen, Eingangsordner, Postfach, API) oder bekommt eine neue Version. Ablago gibt sie dem Paket (Ereignis Datei braucht Volltext); am Dokument steht so lange „Volltext: wartet auf Paket · wartet auf Volltext (Paket Office und E-Mail)“. Dasselbe geschieht beim Installieren für alle vorhandenen Dateien ohne Text und bei Volltext neu erzeugen in der Werkbank.
2. Passt der Dateityp oder die Endung (siehe unten), holt das Paket die Datei, erkennt den Typ am Inhalt (nicht am Namen) und löst den Text heraus.
3. Es schreibt den Text als Volltext des Dokuments. Am Dokument steht dann „Texterkennung durch Paket Office und E-Mail 1.1.0“ (so nennt Ablago jeden Volltext eines Pakets); die Suche findet das Dokument mit allen Wörtern daraus.

Kann das Paket eine Datei nicht lesen, steht der Grund am Dokument (und in der Übersicht des Pakets unter Werkbank → Pakete → Office und E-Mail → Paket-Läufer), z. B. „Volltext durch Paket Office und E-Mail: Word lässt sich nicht lesen: mit einem Passwort verschlüsselt“. Erneut versuchen am Dokument gibt die Datei noch einmal an das Paket.

Sicherheit

Office-Dateien und E-Mails können Makros, Skripte und eingebettete Programme enthalten. Das Paket liest davon nichts aus und führt nichts aus:

• Nur Text: Aus Office-Dateien liest es nur die XML-Teile mit dem Text. vbaProject.bin (Makros in Word, Excel, PowerPoint), Basic/ und Scripts/ (Makros in LibreOffice) und eingebettete Objekte (embeddings/, OLE-Objekte) öffnet es nicht. Enthält eine Datei Makros, steht in der Übersicht „enthält Makros, nicht ausgeführt“.
• XML ohne Nachladen: Eine DOCTYPE-Angabe überspringt es; eigene Entitäten und externe Verweise (XXE) gelten nicht.
• E-Mails: HTML wird zu Text – Skripte, Stile, Bilder und Links werden nicht geladen oder ausgeführt. Verschlüsselte Teile (S/MIME, PGP/MIME) bleiben verschlüsselt.
• ZIP-Bomben: Jeder Teil darf entpackt höchstens 96 MB groß und höchstens 1000-mal so groß wie gepackt sein; mehr liest das Paket nicht.
• Kein Netz, kein Dateisystem: Der Paket-Läufer gibt dem Modul nur die API von Ablago.

Rechte und Netzwerkzugriff

Bei der Installation zeigt Ablago diese Rechte und lässt sie dich bestätigen:

• Mappen lesen: alle Mappentypen – Dokumente liegen in Mappen beliebiger Typen; die Mappen selbst liest das Paket nicht.
• Dokumente lesen – es liest die Datei.
• Volltext liefern (dms:volltext) für Word, Excel, PowerPoint, OpenDocument, E-Mail, RTF, Text und Dateien ohne bekannten Typ – es schreibt nur den Volltext dieser Dateien. Dokumente ändern, ersetzen oder löschen kann es damit nicht.
• Kein Netz. Alles geschieht im Paket.
• Es reagiert auf Datei braucht Volltext (datei.volltext).

Dateien ohne bekannten Typ (application/octet-stream, etwa eine .msg-Datei aus manchen Browsern) holt das Paket nur, wenn die Endung passt; sonst steht am Dokument „Weder Office-Dokument noch E-Mail oder Text … – nichts zu tun“.

Einstellungen hat das Paket keine.

Grenzen

• Länge: höchstens 5 Millionen Zeichen je Datei (so viel nimmt Ablago als Volltext); längere Texte kürzt das Paket („gekürzt“ in der Übersicht).
• Größe: Dateien über 50 MB holt das Paket nicht.
• Alte Formate: Word 97–2003 (.doc), Excel 97–2003 (.xls) und PowerPoint 97–2003 (.ppt) liest das Paket nicht. In einer E-Mail nennt es solche Anhänge nur mit Namen. Tipp: in Word, Excel oder LibreOffice öffnen und als .docx, .xlsx oder .pptx speichern.
• Verschlüsselte Dateien (Passwort beim Öffnen) liest es nicht.
• Zeichensätze in E-Mails: UTF-8, UTF-16, ISO-8859-1, ISO-8859-15 und Windows-1252. Andere (z. B. für Kyrillisch oder Japanisch) kommen nur lesbar an, wenn sie gültiges UTF-8 sind.
• PDF-Anhänge einer E-Mail liest das Paket nicht – lege sie als eigenes Dokument ab, dann liest Ablago sie selbst.

Messung

Gemessen am 02.11.2026 (Text: 03.11.2026) auf amd64 mit 2 Kernen (nebenher belastet), Node 22, nur das Herauslösen im Modul (node tests/modul_test.mjs <ordner> --messen):

Das Modul ist 0,2 MB groß.

Voraussetzungen

• Ablago 0.145.0 oder neuer (Recht „Volltext liefern“, Ereignis „Datei braucht Volltext“, Volltext bis 5 Millionen Zeichen). Für ältere Ablago-Versionen gibt es Version 1.0.0 (mit Schreibrecht auf Dokumente, nur neue Dateien).

Für Entwickler

WASI_SDK=$(werkzeuge/wasi-sdk.sh) python3 werkzeuge/bauen.py pakete/office_email
pakete/office_email/tests/pruefen.sh                                               # bauen und alle Tests

Lizenz

Apache-2.0 (siehe LICENSE). Im Modul steckt zlib 1.3.1 (Lizenz Zlib, Text in code/lizenzen/zlib.txt); alle Leser für Office, E-Mail und RTF sind Teil dieses Pakets.