如何在 C# 中以编程方式搜索 PDF 文档 [已关闭]

Question

我需要搜索 pdf 文件以查看是否存在某个字符串。有问题的字符串肯定被编码为文本（即它不是图像或任何东西）。我尝试过像纯文本一样搜索文件，但这不起作用。

可以这样做吗？有没有 .net2.0 的库可以为我提取/解码 pdf 文件中的所有文本？

Answer 1

有一些可用的库。 查看 http://www.codeproject.com/KB/cs/PDFToText.aspx 和http://itextsharp.sourceforge.net/

这需要一点努力，但这是可能的。

Answer 2

您可以使用 Docotic.Pdf 库 搜索 PDF 文件中的文本。

这是示例代码：

static void searchForText(string path, string text)
{
    using (PdfDocument pdf = new PdfDocument(path))
    {
        for (int i = 0; i < pdf.Pages.Count; i++)
        {
            string pageText = pdf.Pages[i].GetText();
            int index = pageText.IndexOf(text, 0, StringComparison.CurrentCultureIgnoreCase);
            if (index != -1)
                Console.WriteLine("'{0}' found on page {1}", text, i);
        }
    }
}

该库还可以从整个文档或任何文档页面中提取格式化文本和纯文本。

免责声明：我为 Bit Miracle 工作，该库的供应商。

Answer 3

在绝大多数情况下，不可能通过在记事本中打开 PDF 来直接搜索 PDF 的内容 - 即使在少数情况下（取决于 PDF 的构建方式），您也只能由于 PDF 内部处理文本的方式，能够搜索单个单词。

我的公司有一个商业解决方案，可以让您从 PDF 文件中提取文本。我在下面为您提供了一些示例代码，

如本页所示，演示了如何从 PDF 文件中的文本中搜索特定字符串。

using System;
using System.IO;
using QuickPDFDLL0718;

namespace QPLConsoleApp
{
    public class QPL
    {
        public static void Main()
        {
            // This example uses the DLL edition of Quick PDF Library
            // Create an instance of the class and give it the path to the DLL
            PDFLibrary QP = new PDFLibrary("QuickPDFDLL0718.dll");

            // Check if the DLL was loaded successfully
            if (QP.LibraryLoaded())
            {
                // Insert license key here / Check the license key
                if (QP.UnlockKey("...") == 1)
                {
                    QP.LoadFromFile(@"C:\Program Files\Quick PDF Library\DLL\GettingStarted.pdf");

                    int iPageCount = QP.PageCount();
                    int PageNumber = 1;
                    int MatchesFound = 0;

                    while (PageNumber <= iPageCount)
                    {
                        QP.SelectPage(PageNumber);
                        string PageText = QP.GetPageText(3);

                        using (StreamWriter TempFile = new StreamWriter(QP.GetTempPath() + "temp" + PageNumber + ".txt"))
                        {
                            TempFile.Write(PageText);
                        }

                        string[] lines = File.ReadAllLines(QP.GetTempPath() + "temp" + PageNumber + ".txt");
                        string[][] grid = new string[lines.Length][];

                        for (int i = 0; i < lines.Length; i++)
                        {
                            grid[i] = lines[i].Split(',');
                        }

                        foreach (string[] line in grid)
                        {
                            string FindMatch = line[11];

                            // Update this string to the word that you're searching for.
                            // It can be one or more words (i.e. "sunday" or "last sunday".

                            if (FindMatch.Contains("characters"))
                            {
                                Console.WriteLine("Success! Word match found on page: " + PageNumber);
                                MatchesFound++;
                            }
                        }
                        PageNumber++;
                    }

                    if (MatchesFound == 0)
                    {
                        Console.WriteLine("Sorry! No matches found.");
                    }
                    else
                    {
                        Console.WriteLine();
                        Console.WriteLine("Total: " + MatchesFound + " matches found!");
                    }
                    Console.ReadLine();
                }
            }
        }
    }
}