解析PDF和识别页面上的短语

Question

我想以编程方式解析PDF文件，查找特定短语并找出每个短语所在的页码。这是可能的（我知道pdf不像文本文件）？是的，有图书馆可以帮助吗？

Answer 1

Apache Tika，您可以在Apache Lucene project找到，它包含PDFBox，它将提取可以使用它的文本。