帶快照的全文搜索引擎

Question

使用PDF Box可以快速獲取PDF文檔頁面的快照嗎？我想用關鍵詞匹配PDF文件中的頁面，然後顯示找到該文本的頁面的快照。任何人都可以指出我應該從哪裏開始？我計劃使用Lucene和PDF框爲此，與C＃。

Answer 1

是的，你可以使用pdfbox來做到這一點。事情是這樣的：

pdf = PDDocument.load(inputStream); 
// this gets you page 1 
byte[] bytes = getImageBytes(pdf, 1); 
// write out bytes as an image file 

和不過，我想你會得到更好的xpdf結果，您可以提取使用PDFTextStripper.getText（）

文本等等 - 這是更加成熟，支持更多的PDF品種。