java - 是否可以使用 java 正则表达式搜索 PDF 或 Word 文档中的文本？

Question

已结束。此问题正在寻求书籍、工具、软件库等的推荐。它不满足 Stack Overflow guidelines 。目前不接受答案。

---

我们不允许提出寻求书籍、工具、软件库等推荐的问题。您可以编辑问题，以便用事实和引文来回答。

已关闭 3 年前。

Improve this question

我不是在询问任何产品推荐

我想使用 Java 的正则表达式从 Word 文档或 pdf 文档中搜索文本。是否可以？如何做到这一点？

例如，PDF/DOC看起来像这样:

(54) About Keyboard                                     More InfoDate: 29/02/2003                                     Printed: USFiled: 19/03/2005                                     Viewed: 5 times 

Now my aim is to run a regex-based search on this document using java.

Initially, I tried text extraction but since these are unstructured and scattered I can't use the extracted text.

For example, I want to do this:

File fl = new File ("sample.pdf");
String res=  FindBYRegex ("(?s)\\(54\\)\\s*(.*?)\\s*(?=\\(\\d|$\\))");
System.out.println (res);    

我想要的输出是:(54) About Keyboard

如何实现我的目标？哪个库可以帮助我使用 Java 来完成此操作？

Answer 1

不能直接使用 Java 进行搜索。您可以使用Tika提取文件的内容，然后您可以应用正则表达式。