如何以编程方式在c＃中搜索PDF文档

我需要搜索pdf文件以查看是否存在某个字符串。 有问题的字符串肯定被编码为文本（即，它不是图像或任何东西）。 我试过只是搜索文件，好像它是纯文本，但这不起作用。

是否有可能做到这一点？ 是否有任何针对.net2.0的图书馆将为我提取/解码pdf文件中的所有文本？

Answer 1

那里有一些图书馆。 查看http://www.codeproject.com/KB/cs/PDFToText.aspx和http://itextsharp.sourceforge.net/

这需要一点努力，但它是可能的。

Answer 2

您可以使用Docotic.Pdf库来搜索PDF文件中的文本。

这是一个示例代码：

static void searchForText(string path, string text) { using (PdfDocument pdf = new PdfDocument(path)) { for (int i = 0; i < pdf.Pages.Count; i++) { string pageText = pdf.Pages[i].GetText(); int index = pageText.IndexOf(text, 0, StringComparison.CurrentCultureIgnoreCase); if (index != -1) Console.WriteLine("'{0}' found on page {1}", text, i); } } } 

该库还可以从整个文档或任何文档页面中提取格式化和纯文本 。

免责声明：我为图书馆的供应商Bit Miracle工作。

Answer 3

在绝大多数情况下，不可能通过在记事本中打开PDF来直接搜索PDF的内容 – 甚至在少数情况下（取决于PDF的构建方式），您将只能够由于PDF在内部处理文本的方式，搜索单个单词。

我的公司有一个商业解决方案，可以让您从PDF文件中提取文本。 我在下面为您提供了一些示例代码， 如本页所示 ，演示了如何从PDF文件中搜索特定字符串的文本。

 using System; using System.IO; using QuickPDFDLL0718; namespace QPLConsoleApp { public class QPL { public static void Main() { // This example uses the DLL edition of Quick PDF Library // Create an instance of the class and give it the path to the DLL PDFLibrary QP = new PDFLibrary("QuickPDFDLL0718.dll"); // Check if the DLL was loaded successfully if (QP.LibraryLoaded()) { // Insert license key here / Check the license key if (QP.UnlockKey("...") == 1) { QP.LoadFromFile(@"C:\Program Files\Quick PDF Library\DLL\GettingStarted.pdf"); int iPageCount = QP.PageCount(); int PageNumber = 1; int MatchesFound = 0; while (PageNumber <= iPageCount) { QP.SelectPage(PageNumber); string PageText = QP.GetPageText(3); using (StreamWriter TempFile = new StreamWriter(QP.GetTempPath() + "temp" + PageNumber + ".txt")) { TempFile.Write(PageText); } string[] lines = File.ReadAllLines(QP.GetTempPath() + "temp" + PageNumber + ".txt"); string[][] grid = new string[lines.Length][]; for (int i = 0; i < lines.Length; i++) { grid[i] = lines[i].Split(','); } foreach (string[] line in grid) { string FindMatch = line[11]; // Update this string to the word that you're searching for. // It can be one or more words (ie "sunday" or "last sunday". if (FindMatch.Contains("characters")) { Console.WriteLine("Success! Word match found on page: " + PageNumber); MatchesFound++; } } PageNumber++; } if (MatchesFound == 0) { Console.WriteLine("Sorry! No matches found."); } else { Console.WriteLine(); Console.WriteLine("Total: " + MatchesFound + " matches found!"); } Console.ReadLine(); } } } } }