1

实际上我的要求是使用 pdf 内容搜索 pdf 文件。

我有一个包含很多 PDF 文件的文件夹。我想开发一个 ASP.net 应用程序，使用户能够使用他们在文本框中提供的内容来搜索 pdf。

如何执行此任务？提前谢谢你。

4

3 回答 3

1

您的任务可能会分为以下子任务：

  1. 开发索引器，将索引您的所有 PDF 文件
  2. 开发代码以在执行搜索时定位相关 PDF（当然使用索引）
  3. 开发将打开相关 PDF 或在未找到任何内容时显示警告的功能

要构建索引，您可以使用一些集成的解决方案，如 Apache Lucene 或Lucene.Net，或者将每个 PDF 转换为文本并自己从文本构建索引。

您可以尝试索引器部分的Docotic.Pdf 库（免责声明：我为 Bit Miracle 工作）。

该库可用于从 PDF 中提取文本。它可以提取带或不带格式的文本。提取的文本可用于创建索引。

该库还可以从 PDF中检索带有边界矩形的单词集合。如果您需要知道文件中文本的确切位置，这可能很有用。

如果您不想建立索引，那么您仍然可以使用 Docotic.Pdf 使用如下代码执行搜索：

PdfDocument doc = new PdfDocument("file.pdf");
string textToSearch = "some text";
for (int i = 0; i < doc.Pages.Count; i++)
{
    string pageText = doc.Pages[i].GetText();
    int count = 0;
    int lastStartIndex = pageText.IndexOf(textToSearch, 0, StringComparison.CurrentCultureIgnoreCase);
    while (lastStartIndex != -1)
    {
        count++;
        lastStartIndex = pageText.IndexOf(textToSearch, lastStartIndex + 1, StringComparison.CurrentCultureIgnoreCase);
    }

    if (count != 0)
        Console.WriteLine("Page {0}: '{1}' found {2} times", i, textToSearch, count);
}
于 2013-11-07T10:13:08.770 回答
0

您可以为此使用任何库，尝试iTextSharp它是免费的。

您可以像这样阅读 pdf 文本：

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 = 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();
}
于 2013-11-07T06:59:14.063 回答
0

试试Zoom Search它有一个用于提取 pdf 文档文本的插件（您可以对其进行搜索），并且可以轻松自定义您的搜索。您将需要标准版，它不是免费的（约 49 美元）。Zoom 搜索会为您进行搜索开箱即用，您不需要做任何复杂的事情，例如，如果您更喜欢从 pdf 中提取文本，然后在数据库中对其进行索引以进行搜索或尝试使用需要您执行的 Lucene 搜索引擎/和定制（一些工作）。Zoom 与 A​​SP.NET 配合得很好，您只需要使用 GUI 来自定义您的搜索（不需要大量编码）。

于 2013-11-07T07:02:24.730 回答