mysql - 使用 Node.js 搜索 PDF 文本

Question

我有数千个可搜索的 PDF，其中一些高达 1GB，超过 2000 页。我需要能够使用 Node.js 应用程序在这些文件中搜索文本字符串。

目前，文件存储在 Google Cloud Storage 存储桶中。

执行此操作的最佳方法是什么？

一些选项:

• 使用 NPM 之类的工具将 PDF 文件中的文本读入 MySQL 包 pdf-text-extract。然后使用MySQL查询来搜索文本 字符串。
• 使用一些 NPM 包直接搜索 PDF 文件。

我完全离开了吗？有没有更好的办法？

Answer 1

有专门的文本搜索库，比如 this one , 或 this .您很可能需要从每个 pdf 中提取纯文本，保存并索引它们。然后您就可以运行搜索查询。为此特定任务设置数据库可能有点矫枉过正。