Sitecore文本在PDF或Word文档中搜索
我想知道是否可以配置Sitecore的Lucene搜索引擎来索引PDF或Word文档？ 我在本文档（ http://sdn.sitecore.net/upload/sitecore6/65/sitecore_search_and_indexing_sc60-65-a4.pdf ）上查看了Sitecore支持网站，但它提到创建一个文件爬虫类，它向我建议只有通过编写自定义代码才能实现这一目标。 如果我确实需要编写自定义代码来执行此操作，是否还需要一些API才能从PDF文档中提取文本内容？
我最近不得不在我的一个项目上做类似的事情。 看看如何使用Lucene.NET索引Word 2003,2007和2010文档 。
我最终创建了一个自定义索引器，它处理MS Office文档（XP，2003,2007和2010格式）和PDF文档：
- 对于索引XP-2003 MS Office文档，您可以使用操作系统内置的
IFilter（假设您使用的是Windows Server 2003或更高版本） - 要索引2007-2010 MS Office文档，您需要安装Microsoft Office 2010 Filter Pack
- 为了索引PDF文档，我强烈建议使用Foxit PDF IFilter 。 它不是免费的，但比Adobe PDF IFilter做得好得多。
注意：不要在Adobe PDF IFilter上浪费时间：它无法读取有效的PDF文件，而且速度慢得多。 Foxit IFilter旨在利用多核CPU，并在大型文档上表现更好。