sql - 使用 pl sql 读取 .docx 和 .pdf 文件

Question

我想使用 PL/SQL 读取存储在本地磁盘中的 .docx 和 .pdf 文件。我想从 .docx 或 .pdf 文件中提取一些数据，如姓名、联系人、电子邮件地址。

所有这些都使用 PL/SQL。

任何帮助将不胜感激。

Answer 1

Oracle 有一个处理自由文本的产品，Oracle Text。这可以处理常见的二进制格式:您应该可以使用 Word 和 PDF。 Find out more .

文本支持针对各种用例搜索具有不同索引类型的文档。然而，就像普通索引一样，它们真的很适合等式搜索。也就是说，我们可以像这样搜索特定电子邮件的文档:

select * from t23
where contains(col_t, 'muhammad.hannan@example.com') > 0
/

但是在从文档中提取所有电子邮件地址时，它并不是很有帮助。这就是为什么我们 Nature 为我们提供了用于定义结构化文档(XML、JSON)的工具。因此，Text 对您的实际用例的支持程度取决于您尚未发布的详细信息。

您的问题是“本地文件”。 Oracle Text 将 work with BFILEs ，即外部存储的文件。使用 BFILE 数据类型定义表列。 Find out more.

但是，BFILE 必须保存在数据库服务器上的操作系统目录中(即数据库的本地目录，而不是您的 PC)，这些目录受预期的安全权限约束。了解 creating Directories here .