解析PDF和識別頁面上的短語

Question

我想以編程方式解析PDF文件，查找特定短語並找出每個短語所在的頁碼。這是可能的（我知道pdf不像文本文件）？是的，有圖書館可以幫助嗎？

Answer 1

Apache Tika，您可以在Apache Lucene project找到，它包含PDFBox，它將提取可以使用它的文本。