在我的程序中，我应该从pdf文件中逐字逐字地阅读并将evry字放在数据库中。我怀疑，我可以这样做吗？然后我决定将pdf文件转换为带转换器的MS WORD文件，然后从该文件中读取。
现在我仍然不知道如何从MS Word文件中逐字逐句阅读。 我在我的程序中使用C ++ / MFC。
如果你给我一个示例代码，那对我很有帮助，我会非常感谢你。
答案 0 :(得分：0)
查看IFilter。 http://msdn.microsoft.com/en-us/library/ms691105%28v=vs.85%29.aspx
它是一个COM接口，用于从文件中提取文本（每个扩展都有其COM根据您的需要返回的DLL）。
C＃中的示例：http://www.codeproject.com/KB/cs/IFilter.aspx或http://www.codeproject.com/KB/string/pdf2text.aspx（我在原生c ++中使用它，但我没有代码示例......）。
请注意，对于PDF，您可能需要关闭PDF IFilter：http://www.adobe.com/support/downloads/detail.jsp?ftpID=2611
祝你好运！
答案 1 :(得分：0)
如果您可以转换源文件并且只需要字符，那么将其设为纯文本文件并使用std::ifstream读取。
要从MS Word文件中获取更多软化信息，您应该使用Office Automation。以下问题的答案中有很好的联系：