我有数千个可搜索的PDF，其中一些高达1gb，超过2000页。我需要能够搜索这些文件中的文本字符串使用node.js应用程序。
现在，文件存储在google云存储桶中。
最好的办法是什么？
一些选项：
使用npm包之类的东西将pdf文件中的文本读入mysql 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。
我完全疯了吗？有更好的办法吗？
我有数千个可搜索的PDF，其中一些高达1gb，超过2000页。我需要能够搜索这些文件中的文本字符串使用node.js应用程序。
现在，文件存储在google云存储桶中。
最好的办法是什么？
一些选项：
使用npm包之类的东西将pdf文件中的文本读入mysql 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。
我完全疯了吗？有更好的办法吗？
1条答案
按热度按时间d6kp6zgx1#
有专门的文本搜索库，像这个，或者这个。很可能您需要从每个pdf中提取纯文本，保存并索引它们。然后你就可以运行搜索查询了。为这个特定的任务建立数据库可能是一种过分的做法。