急求用VB实现提取PDF内容的函数及相应实现代码！！！

gh_xiong555 2008-04-18 08:26:15

急求用VB实现提取PDF内容的函数及相应实现代码！！！

我想做的是用VB编程实现对我硬盘的所有的PDF文档进行搜索，找到符合我自己要求的文档，比如查找包含有“计算机”三个字的PDF文档，而且只需在每个PDF文档的开头一段查找到就可以，后面的都不用查找，不知如何实现，我只会VB，但是我不想用JAVA的开源包及搜索软件，想自己实现，不知有没有做过这方面的？请大家帮帮忙！

...全文

278 9 打赏收藏转发到动态举报

写回复

用AI写文章

9 条回复

切换为时间正序

请发表友善的回复…

发表回复

gh_xiong555 2008-04-28

打赏
举报

虽没得到解决方法,还是感谢各位对我问题的支持!

我觉得解决方案还是有的!不过先要研究PDF的格式,呵呵

bobob 2008-04-22

打赏
举报

PDF里面文本的显示，根本就不是用windows api，字是按照图像的方式显示的，用金山词霸验证一下就知道了，取PDF里面的词必须要装取词插件
获取文字编码-》在对应的字体资源里面查找字体轮廓-》按图像方式显示出来，字体资源可能是硬盘上的字体文件，也肯能是内嵌到PDF中的一段资源（完整或部分的字体文件）。字体编码可能是标准的，也可能是自定义的（就是楼上某位朋友说的复制出来是乱码的情况）。

PDF文件结构很严格，哪怕你要读取一个字，也要解析整个文件结构，将会涉及大量编解码，不是你想的那么简单。

smalle 2008-04-18

打赏
举报

如果PDF可以随便让你读出内容的话，相信没多少人用它了。

gh_xiong555 2008-04-18

打赏
举报

高手在吗？帮帮小弟了，救救我了，这个问搞了我一个星期了

smalle 2008-04-18

打赏
举报

word之所以可以让你通过编程读其内容，主要是因为微软为你提供了编程接口（函数库和XML等），如果你没有微软提供的WORD编程接口，除非你破解它，否则你是不可能通过编程读WORD的内容的。

PDF之所以发展起来，很大一个原因就是它可以一定程度上保护版权，防止非法复制其内容。
如果你可以轻易读其内容的话，相信很多人令愿使用WORD，毕竟更多人使用WORD

所以楼主还是令想它法吧。

of123 2008-04-18

打赏
举报

[Quote=引用 5 楼 YFY 的回复:]
WORD是通过控件实现内容读取的，PDF没有听说过有这方面的控件。

PDF以图像方式存储的，一些质量差的PDF，连ADOBE自己也认不出字符来。

目前实现的可能性很小。
[/Quote]

不会吧？你从 .pdf 文件是如何复制粘贴文本到 .doc 和 .txt 的？只是 .pdf 没有像微软那样开放的接口函数可用而已。
试试 FindWindow 和 FindWindowEx 等 API，看看能否发消息给 abode reader 取得文本数据。它反正是要和 Windows 接口的。

另外，不妨查查国外的网站。

YFY 2008-04-18

打赏
举报

WORD是通过控件实现内容读取的，PDF没有听说过有这方面的控件。

PDF以图像方式存储的，一些质量差的PDF，连ADOBE自己也认不出字符来。

目前实现的可能性很小。

zzyong00 2008-04-18

打赏
举报

[Quote=引用 3 楼 gh_xiong555 的回复:]
当然不是随便读了，是想通过编程来解决呀，所以不请教这方面的问题！
估计还是编程水平的问题及对PDF研究的问题！
WORD也能用编程实现其内容抽取呀！但我们还不是天天在用？
[/Quote]
你天天在用WORD，哪是因为你装了WORD，以前，如果你没有安装MS OFFICE，你有什么方法读取你想到的内容？

不过现在，微软件已开放了OFFICE文件的格式了，哪就另当别论了

gh_xiong555 2008-04-18