可搜索的PDF文件（图像+文本PDF）验证

Question

如果我可以从PDF中的每个页面获取任何文本，我正在检查PDF文档是否可搜索。

但是，当我尝试从包含超过500~2000页的PDF中提取文本时，检查每个页面似乎都是永远的。

PDF是否可以包含一页的文本而不包含其他页面的文本？ 我在这里要做的是，如果PDF的第一页包含文本，那么它是可搜索的PDF，而不是..

Answer 1

是的，PDF很可能在一个页面上包含文本而在其他页面上不包含文本。你很可能有一个500页的PDF，其中包含前499页的图像，但在最后一页上包含文字。

除非您想自己打开PDF文件并扫描文本/文本操作，否则您需要使用现有的第三方PDF库，它允许您从PDF中提取文本。

另外，请参阅Ferruccio对相关question的回复，即使用IFilter接口，专门用于搜索索引和文本提取。

Answer 2

试用此版本的Searcharoo，可以搜索Word和PDF文档。