Эффективный способ записи номеров страниц из поиска PDF

Question

У меня есть список из ~ 1200 запросов (номеров деталей), которые указаны где-то внутри 100-страничного PDF. Практически все, что мне нужно сделать, это записать, на каких страницах появляется каждый запрос, в PDF. Я не могу придумать умный способ сделать это. Мне нужно 5-20 часов, чтобы выполнить этот поиск по поиску, так что если кто-то может дать мне хорошую идею до 5-часовой отметки, это было бы здорово!

Answer 1

Предполагается, что вы можете определить, что такое «запрос» в вашем контексте программно из простого текста (например, с помощью регулярных выражений):

Вы можете разбить свой PDF на разные файлы (1 файл на страницу), используя pdftk

http://www.pdflabs.com/tools/pdftk-the-pdf-toolkit/

Затем преобразуйте эти файлы в текст с помощью утилиты pdf-to-text, подобной этой:

http://www.fileguru.com/PDF-To-TXT-Converter/download

или этот

http://www.pdf2text.com/

И, наконец, напишите себе простой скрипт, используя ваш любимый язык программирования, чтобы определить, какой из этих файлов содержит «запрос» (как бы он ни выглядел).