Question

如何在swift中以字符串形式阅读PDF的内容。我想稍后过滤此字符串并从中获取某些文本元素。 PDF来自网址，我将其加载到网页视图中并使用NSURL扩展程序对其进行缓存。如何获取此Web视图并阅读URL的内容。我试过了：

var urlAsString = String(contentsOfURL: NSURL(string: "http://web.shschools.org/shpid/pdfs/WXS5N48Z.pdf")!, encoding: NSUTF8StringEncoding, error: nil)

然而，这不起作用，我假设因为该文件是PDF。我可以得到一些帮助吗？

Answer 1

如果你想避免大量的编程，你可能需要使用一些可以帮助你从PDF中提取文本的库。

您有两种选择：

1）使用OCR库。由于PDF可以包含除文本之外的图像，因此执行OCR以获取文本是最通用的解决方案。要对PDF文档执行OCR，您需要convert it to UIImage object。另一种方法可以是将WebView的内容转换为UIImage，但这可能会导致图像分辨率降低，从而影响OCR性能。

使用OCR库的缺点是你不会得到100％准确的文本，因为OCR引擎总是会引入错误。

OCR的最佳选项是Tesseract for iOS（免费，但错误率更高，调整结果更复杂一些）。一个更强大的选项是BlinkOCR，可以免费试用，在商业用途时支付，但你可以从工程师那里获得大量帮助。

2）您也可以使用PDF库。 PDF库可以可靠地提取文档中写入的文本，但文本是PDF内部图像的一部分。因此，根据您想要阅读的文档，这可能是一个更好的选择（或不是）。

可以找到PDF库的一些选项here，根据我们的经验，PDFlib可以提供非常好的结果并且是最可定制的。

Answer 2

PDF可以是各种各样的东西，它可以显示文本但实际上不包含任何可以解析的文本。（想想传真到电子邮件服务）。

一个想法是从Web视图中创建一个图像上下文，然后将其发送到OCR框架以进行字符识别。（这是一个OCR教程：http://www.raywenderlich.com/93276/implementing-tesseract-ocr-ios）

Answer 3

要从文本中获取任何元素，您可以使用此功能

func parser (textToParse:String, strFrom:String, strTo:String) -> String {
        return textToParse.componentsSeparatedByString(strFrom)[1].componentsSeparatedByString(strTo)[0]
    }

var s=parser("abc", strFrom: "a", strTo: "c")
//s will be "b"

以字符串形式阅读pdf的内容

3 个答案: