PDF文本搜索C＃

Question

我有要求阅读PDF文件并搜索文本。 我应该显示文本存在的页面和发生次数。 我可以阅读pdf文本，但我需要知道页码。

谢谢

Answer 1

您可以使用Docotic.Pdf（我为Bit Miracle工作）。

下面是如何在PDF文本搜索的例子：

PdfDocument doc = new PdfDocument("file.pdf"); 
string textToSearch = "some text"; 
for (int i = 0; i < doc.Pages.Count; i++) 
{ 
    string pageText = doc.Pages[i].GetText(); 
    int count = 0; 
    int lastStartIndex = pageText.IndexOf(textToSearch, 0, StringComparison.CurrentCultureIgnoreCase); 
    while (lastStartIndex != -1) 
    { 
     count++; 
     lastStartIndex = pageText.IndexOf(textToSearch, lastStartIndex + 1, StringComparison.CurrentCultureIgnoreCase); 
    } 

    if (count != 0) 
     Console.WriteLine("Page {0}: '{1}' found {2} times", i, textToSearch, count); 
} 

你可能想，如果你想进行区分大小写的搜索删除第三个参数为IndexOf方法。

Answer 2

你检查过itextsharp了吗？ http://itextsharp.sourceforge.net/

编辑： 为了阐述，在TOC中，我看到了一个部分上： 15.3.3：与PdfReaderContentParser和PdfTextExtractor

提取文本

而下PdfReaderContentParser： http://api.itextpdf.com/com/itextpdf/text/pdf/parser/PdfReaderContentParser.html 有一个选项来处理每页的pdf内容。

因此，它似乎是一个关于方式的过程，但是您可以遍历每个页面，在内容中搜索所需的单词，然后返回您找到的单词。