lucene.net - 如何在pdf文件中搜索字符串

Question

可能重复：
如何在 lucene 中索引 pdf、ppt、xl 文件（基于 java 或 python 或 php 中的任何一个都可以）？

我需要在文件夹中的文件集合中搜索一个字符串，包括 pdf、docx、txt 格式。是否可以使用 lucene.net 搜索字符串。

请提供一些对此有帮助的参考资料..

感谢你..

Answer 1

您需要提取各种文件（pdf、docx、txt）的文本并将该文本插入到 Lucene 索引中。Lucene 无法从各种文档格式中读取文本

• 在 .NET 中提取 PDF 文本
• Docx 和 Ifilters

一般搜索“extract {document format} text in .net”，你会发现很多资源。