我正在尝试在我的应用程序中实现此功能。
就像在 Windows 中一样，我在搜索框中输入内容，如果在设置中选中了文件内容，则无论它是文本文件还是 pdf/word 文件，搜索都会返回包含搜索框中字符串的文件。
所以，我已经想出了一个用于文件和文件夹搜索的应用程序，它非常适合file content search适用于文本文件和Word 文件。我正在使用互操作字来处理字文件。
我知道，我可以用iTextSharp或其他一些第三方工具来对 pdf 文件执行此操作。但这并不能令我满意。我只是想知道windows是怎么做到的？或者如果其他人以不同的方式做到了？我只是不想使用任何第三方工具，但这并不意味着我不能。我只是想让我的应用程序保持轻量级，而不是用许多工具来抛弃它。
据我所知，如果没有安装第 3 方工具、软件或实用程序，则无法搜索 pdf 内容。例如，有 pdfgrep。但是，如果您设法以任何方式制作 C# 程序，我将包含一个第三方库来完成这项工作。
我在这个答案中为类似的事情做了一个解决方案在 C# 中根据 PDF 中的标签名称读取特定值，只需稍加调整，您就可以得到您想要的东西。唯一的问题是PdfClown，它是针对.net框架的，但另一方面它是开源的，免费的并且没有任何限制。但如果您正在寻找 .net core，您可能会找到一些免费（有限制）或付费的 pdf 库。
正如您在评论中所要求的，这里是一个在 pdf 侧页中查找文本的示例解决方案。我在代码中留下了注释：
//The found content
private List<string> _contentList;
//Search for content in a given pdf file
public bool SearchPdf(FileInfo fileInfo, string word)
{
_contentList = new List<string>();
ExtractPages(fileInfo.FullName);
var content = string.Join(" ", _contentList);
return content.Contains(word);
}
//Extract content for each page of given pdf file
private void ExtractPages(string filePath)
{
using (var file = new File(filePath))
{
var document = file.Document;
foreach (var page in document.Pages)
{
Extract(new ContentScanner(page));
}
}
}
//Extract content of pdf page and put the found result inside _contentList
private void Extract(ContentScanner level)
{
if (level == null)
return;
while (level.MoveNext())
{
var content = level.Current;
switch (content)
{
case ShowText text:
{
var font = level.State.Font;
_contentList.Add(font.Decode(text.Text));
break;
}
case Text _:
case ContainerObject _:
Extract(level.ChildLevel);
break;
}
}
}
现在让我们进行快速测试，因此我们假设您的所有发票都位于 c:\temp 文件夹中：
static void Main(string[] args)
{
var program = new SearchPdfContent();
DirectoryInfo d = new DirectoryInfo(@"c:\temp");
FileInfo[] Files = d.GetFiles("*.pdf");
var word = "Sushi";
foreach (FileInfo file in Files)
{
var found = program.SearchPdf(file, word);
if (found)
{
Console.WriteLine($"{file.FullName} contains word {word}");
}
}
}
就我而言，发票中有寿司一词：
c:\temp\invoice0001.pdf contains word Sushi
综上所述，这是一个解决方案的示例。您可以从这里将其提升到一个新的水平。祝您愉快。
我留下一些我搜索过的链接：