【发布时间】：2010-10-24 04:56:49
【问题描述】：
如果我可以从 PDF 的每一页中获取任何文本，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，检查每一页似乎需要很长时间。
PDF 是否可以包含一页的文本而其余的不包含？ 我在这里要做的是，如果 PDF 的 首页 包含文本，那么它是可搜索的 PDF，否则不是..
【问题讨论】：
标签： validation pdf
【发布时间】：2010-10-24 04:56:49
【问题描述】：
是的，PDF 很可能在一页上包含文本，但其余部分不包含。您很可能拥有一个 500 页的 PDF，其中前 499 页包含图像，但最后一页包含文本。
除非您想自己打开 PDF 文件并对其进行扫描以进行文本/文本操作，否则您将需要使用现有的第三方 PDF 库，该库允许您从 PDF 中提取文本。
另外，请参阅 Ferruccio 对相关question 的回复，这是使用 IFilter 接口，专门用于搜索索引和文本提取。
【讨论】：
试试这个版本的Searcharoo，它可以让您搜索 Word 和 PDF 文档。
【讨论】：
-
@Chris：“可搜索的 PDF”是您可以在 inin PDF 而非文件系统中搜索文本的东西。