基於一個PDF閱讀內容一些關鍵

Question

我有幾個PDF文件具有如下跨越scatterred一些代碼（沒有固定的位置）：

oneCode=abcd 
twoCode=4566 

我想分析每一個PDF尋找鑰匙「oneCode」或「 twoCode「並從我的java程序中獲取相應的值。

這樣的功能是否可以在PDFBox等任何開源PDF解析器中使用？

任何一個請指出一個例子嗎？

此外，我的pdf可能是從大到小的不同大小，並且我可能需要從我的程序中解析數千個PDF。因此，解析完整的pdf然後從解析的文本中搜索密鑰可能會變得非常慢。

那麼是否有任何現有的功能可以幫助我的方案？

感謝您的閱讀！

Answer 1

我不認爲你可以做的比線性搜索更快。只是排序或索引操作至少需要O（n）次序，所以即使有快速索引搜索的讀者，他們也需要一些預處理時間。

您需要找到一個能夠將數據快速傳輸到內存的閱讀器，以便您可以快速讀取數據。