更新

Question

在尝试使用Quartz从PDF中读取注释两天后，我设法完成了posted my code。

现在我想对另一个常见问题做同样的事情：用Quartz搜索PDF文档。与以前相同的情况，这个问题已被多次询问，几乎没有实际答案。所以我首先需要一些指针，因为我自己还没有实现。

我尝试了什么：

我尝试使用CGPDFScannerScan处理TJ和Tj运算符 - 在某些PDF上返回正确的文本，而在其他文档上则返回大多数随机字母。 可能与文字编码有关吗？ 有人pointed out应该处理文本块（由BT / ET运算符标记），但我仍然没有设法这样做。有人设法从任何PDF中提取文本吗？

之后，通过将所有文字存储在NSMutableString并使用rangeOfString（如果有更好的方式请告诉我），搜索应该很容易。

但是如何突出显示结果？我知道有一些运算符可以找到字形大小，所以我可以根据这些值来计算得到的矩形，但我已经读了几个小时的规格......这是一个臃肿的混乱，我疯了。有实际解释的人吗？

更新

用户Naveen Thunga发现PDFKitten，“用于从iOS中的PDF中提取数据的框架”。我只是尝试了演示，它似乎像宣传的那样工作。我将用更多的PDF测试它，并很快发布结果。作为旁注，代码对我来说似乎非常好 - 如果你对这些东西的运作方式感兴趣，那就太棒了。

Answer 1

这不是一个简单的实现问题，但它很简单。

对于任何给定页面，您需要使用CGPDF扫描仪API扫描页面。您需要注册影响页面中文本的PDF操作符的回调 - 不仅仅是TJ / Tj，还有那些设置字体，影响文本绘图矩阵等的操作。您需要构建一个状态机，用每个遇到的标记进行更新+参数。您需要检查当前字体编码的文本记帐。当您找到要突出显示的文本时，您需要检查当前正在更新的文本绘图矩阵以确定绘图坐标。阅读PDF规范（可从Adobe下载1.7版）以了解您需要注意的操作符。

字体编码可能是最困难的部分，因为可以指定一些编码方式，其中一些是字体专有的。大多数情况下，你可以作弊并依赖ANSI编码的一个子集 - 但这会破坏某些具有奇怪字体的PDF。

基本上，您正在处理页面，就像您要渲染它一样。

Answer 2

我使用utility class

在objective-c中创建了PDF.js

这将允许显示以及搜索PDF文件。

实用工具类允许使用Highlight all search result和＆＃39;区分大小写＆＃39;选项。

看看PDF搜索行动 Link

Answer 3

因此，现在在iOS 11中，我们拥有PDFKit，使用它轻松搜索文本

if #available(iOS 11.0, *) {
     let pdfDocument = PDFDocument(url: fileUrl)!
     let allText = pdfDocument.string /// Gets all text in pdf separated by /n

     let s: PDFSelection = pdfDocument.findString("Hello", withOptions: [])
     let sWithFormatting = s!.first!.attributedString
}

在iPhone上搜索PDF

更新

3 个答案: