C# 在pdf文件中搜索字符串

我正在做一个学校项目，有几个pdf文件。应该有一个按姓名搜索的功能，我只需输入学生的姓名，所有带有他/她的姓名的pdf文件都应该打开。最好的方法是什么？我在网上寻找解决方案，我想到的只是iTextSharp，它让人更加困惑

这可能吗？也许有人可以给我一个教程的链接，或者别的什么

---

非常感谢。

PDF是一个非常复杂的规范，可能会创建太多变体，因此不可能可靠地解析，除非您使用与创建它时相同的工具来读取它（甚至通常不会）。有几种工具可以将PDF展平为文本字符串（例如pdf2text），可以搜索这些字符串，但不可靠

---

许多PDF工具只实现了部分规范。一些人建议搜索PDF的最佳方法是将其还原为图像，然后进行OCR

我认为您的任务可能分为以下几部分：

• 建立PDF文件索引
• 编写一些代码，在执行搜索时使用索引查找相关PDF
• 编写一些代码，打开找到的PDF，或者在没有找到任何内容时显示警告

为了建立索引，您可以使用一些集成的解决方案，如or或将每个PDF转换为文本，然后自己从文本中建立索引

其他两个步骤相当简单，取决于第一步中使用的语言/技术

您的问题被标记为与.NET相关，所以您可以尝试建立索引（免责声明：我为Bit Miracle工作）

---

Docotic.Pdf可用于将Pdf文件中的文本提取为纯文本或文本块的集合，每个文本块具有坐标。

使用iTextSharp。它是免费的，您只需要“itextsharp.dll”

下面是一个从PDF中读取文本的简单函数

Public Shared Function GetTextFromPDF(PdfFileName As String) As String
    Dim oReader As New iTextSharp.text.pdf.PdfReader(PdfFileName)

    Dim sOut = ""

    For i = 1 To oReader.NumberOfPages
        Dim its As New iTextSharp.text.pdf.parser.SimpleTextExtractionStrategy

        sOut &= iTextSharp.text.pdf.parser.PdfTextExtractor.GetTextFromPage(oReader, i, its)
    Next

    Return sOut
End Function

现在，您可以轻松地搜索这些文件