在 PDF 文件中搜索以查找字符串

Question

我需要在 pdf 文件中搜索以找到 string.I 知道 itextsharp 具有此功能，我可以使用此代码

public bool SearchPdfFile(string fileName, String searchText)
{
    /* technically speaking this should not happen, since "you" are calling it
       therefore this should be handled critically
        if (!File.Exists(fileName)) return false; //original workflow
    */
    if (!File.Exists(fileName))
        throw new FileNotFoundException("File not found", fileName);

    using (PdfReader reader = new PdfReader(fileName))
    {
        var strategy = new SimpleTextExtractionStrategy();

        for (int page = 1; page <= pdfReader.NumberOfPages; page++)
        {
            var currentPageText = PdfTextExtractor.GetTextFromPage(pdfReader, page, strategy);
            if (currentPageText.Contains(searchText))
                return true;
        }
    }

    return false;
}

但是我在 LGPL/MPL 许可证（版本 3.0/4.0）下使用 itext，如果我在 AGPL 下免费制作我自己的软件，则较新的版本 5.0 是免费的。 class SimpleTextExtractionStrategy 在此版本 itext.Is 中未定义，是否有其他方法可以使用旧版本的 itext 执行此操作？

Answer 1

PDF小丑。一个愚蠢的名字，但它是一个非常详细和灵活的 PDF 库。我以前用过。它在 LGPL 下是免费的。 http://pdfclown.org/about/#TheLicense

从 PDFClown 网站修改的示例（他们的示例是 java）

File file = new File(myFilePath);

// Define the text pattern to look for!
String textRegEx = "rabbit";
Pattern pattern = Pattern.compile(textRegEx, Pattern.CASE_INSENSITIVE);

// Instantiate the extractor!
TextExtractor textExtractor = new TextExtractor(true, true);

for(final Page page : file.getDocument().getPages())
{
  // Extract the page text!
  Map<Rectangle2D,List<ITextString>> textStrings = textExtractor.extract(page);

  // Find the text pattern matches!
  final Matcher matcher = pattern.matcher(TextExtractor.toString(textStrings));
}

针对 C# 进行了更新

    File file = new File(myFilePath);

    // Define the text pattern to look for!
    var pattern = new Regex("rabbit", RegexOptions.IgnoreCase);

    // Instantiate the extractor!
    TextExtractor textExtractor = new TextExtractor(true, true);

    foreach (var page in file.Document.Pages)
    {
        // Extract the page text!
        var textStrings = textExtractor.Extract(page);

        // Find the text pattern matches!
        var matches = pattern.Matches(TextExtractor.ToString(textStrings));
    }

在 PDF 文件中搜索以查找字符串

Search within PDF Files to Find a String

.net

c#

pdf

itext

itextsharp