对于拥有大量PDF文件的客户来说，这只是一个推测性的想法。
Algolia在他们的常见问题解答中说，要搜索PDF文件，首先需要从文件中提取文本。你会怎么做？
我设想系统工作的方式是：
它需要是一个自动化系统，因为客户不应该告诉它索引。 它将使用PHP构建，可能是在Ubuntu上运行的Laravel。
什么软件/服务可以从PDF中提取文本，并且是链接＆＃39;所需的任何魔术。这与PDF文件？
我也很高兴为其他搜索服务提供建议。
答案 0 :(得分：4)
幸运的是，从pdf中提取文本是一个已被多次覆盖的主题。在命令行中，您可以使用pdftotext（在Linux或Mac上可用）或在代码中使用Apache Tika库（您可以为其找到PHP wrapper）。
为避免记录中出现过多噪音，我建议您拆分文本并为每个段落创建一条记录。然后，您可以使用Algolia的distinct功能对结果进行重复数据删除。
您应该已经在某个地方拥有指向文件的链接，只需将它们存储在您的记录中，然后在您的前端，您就可以轻松地使用例如autocomplete.js或{{{{}}创建指向它们的链接3}}。
答案 1 :(得分：1)
对于仍在寻找解决方案的任何人，我都整理了一个GitHub存储库，该存储库正是这样做的：https://github.com/PDFTron/pdftron-document-search。
当用户使用React + Firebase + Algolia上传文档时，文本提取将在客户端进行。
您可以观看快速视频，逐步浏览示例应用程序：https://youtu.be/IQATnzHTp7Q。
如果您有任何疑问，请告诉我。