如何在PDF文件中搜索

Question

我必须在PDF文件中搜索共享托管环境中即将推出的（ASP.NET MVC）项目。什么是最好的解决方案？任何第三方产品？

Answer 1

Lucene是一个受欢迎的选择。有关搜索pdfs的信息，请参阅Lucene FAQ。

Answer 2

Lucene是一个不错的选择 - 对于ASP.NET，使用Lucene.NET是最好的选择。 Lucene只是一个索引引擎，这意味着你必须提供PDF中的文本。如果您有权访问Web服务器，则可以为此安装IFilter（我建议使用Foxit's PDF过滤器）。否则，您必须获取一些代码才能在您的网站上使用，以解析和过滤PDF。

Answer 3

Docotic.Pdf library可以帮助完成此类任务。

该库可用于extract text（带或不带格式化）。提取的文本可用于创建索引。如果您只想知道PDF文件是否包含给定文本，您甚至可以使用String.IndexOf方法。

库也可以retrieve a collection of words及其PDF格式的边界矩形。如果您需要知道文件中文本的确切位置，这可能很有用。

免责声明：我为图书馆的供应商工作。