c# - 使用 Itextsharp 在 PDF 中搜索特定单词

Question

这是我在 StackOverflow 上的第一篇文章。

我的系统驱动器中有一个 PDF 文件...我想使用 Itextsharp.dll 引用在 C# 中编写一个程序来搜索该 PDF 中的特定单词...说我想搜索“StackOverFlow”...如果PDF 包含单词“StackOverFlow”，它应该返回 true。

否则它应该返回false。

我查看了很多文章，但直到现在才得到解决方案..:-(

到目前为止我尝试过的是：

public string ReadPdfFile(string fileName)
        {
            StringBuilder text = new StringBuilder();

            if (File.Exists(fileName))
            {
                PdfReader pdfReader = new PdfReader(fileName);

                for (int page = 1; page <= pdfReader.NumberOfPages; page++)
                {
                    ITextExtractionStrategy strategy = new SimpleTextExtractionStrategy();
                    string currentText = "2154/MUM/2012 A";// PdfTextExtractor.GetTextFromPage(pdfReader, page, strategy);

                    currentText = Encoding.UTF8.GetString(ASCIIEncoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(currentText)));
                    text.Append(currentText);
                }
                pdfReader.Close();
            }
            return text.ToString();
        }

提前致谢， Sabya Dev

Answer 1

以下方法工作正常。它给出了在其中找到文本的页面列表。

     public  List<int> ReadPdfFile(string fileName, String searthText)
            {
                List<int> pages = new List<int>();
                if (File.Exists(fileName))
                {
                    PdfReader pdfReader = new PdfReader(fileName);
                    for (int page = 1; page <= pdfReader.NumberOfPages; page++)
                    {
                        ITextExtractionStrategy strategy = new SimpleTextExtractionStrategy();

                        string currentPageText = PdfTextExtractor.GetTextFromPage(pdfReader, page, strategy);
                        if (currentPageText.Contains(searthText))
                        {
                            pages.Add(page);
                        }
                    }
                    pdfReader.Close();
                }
                return pages;
            }