如何在 C# 中以编程方式搜索 PDF 文档 [关闭]答案

【问题标题】：How to programmatically search a PDF document in c# [closed]如何在 C# 中以编程方式搜索 PDF 文档 [关闭]
【发布时间】：2010-10-08 18:02:38
【问题描述】：

我需要搜索一个 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）。我试过只搜索文件，就好像它是纯文本一样，但这不起作用。

可以这样做吗？是否有任何 .net2.0 库可以为我从 pdf 文件中提取/解码所有文本？

【问题讨论】：

标签： c# .net search pdf

【解决方案1】：

那里有一些可用的库。查看http://www.codeproject.com/KB/cs/PDFToText.aspx 和http://itextsharp.sourceforge.net/

这需要一点努力，但这是可能的。

【讨论】：

+1 用于 iTextSharp。它应该能够做你需要的。
请注意，iTextSharp 使用 AGPL 许可证，因此只有在您公开发布所有代码时才免费。否则，您需要购买商业许可证。

【解决方案2】：

在绝大多数情况下，无法通过在记事本中打开 PDF 来直接搜索其内容 - 即使在少数情况下（取决于 PDF 的构建方式），您也只能由于 PDF 在内部处理文本的方式，我们可以搜索单个单词。

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as shown on this page，它演示了如何在 PDF 文件中的文本中搜索特定字符串。

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 (i.e. "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();
                }
            }
        }
    }
}

【讨论】：

【解决方案3】：

您可以使用Docotic.Pdf library 在 PDF 文件中搜索文本。

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);
        }
    }
}

图书馆还可以从整个文档或任何文档页面extract formatted and plain text。

免责声明：我为图书馆供应商 Bit Miracle 工作。

【讨论】：

注意：正如 Bobrovsky 提到的，这是一个商业产品。它的价格不菲（尽管适合它的用途）。