將PDF文本文件導(dǎo)入SQL數(shù)據(jù)庫(kù).pdf

1、該文主要論述如何將大字符集的PDF文本文件導(dǎo)入SQL數(shù)據(jù)庫(kù)，這些PDF文本文件是大字符集工作組日常事務(wù)處理的重點(diǎn)。但是由于工作組一直采用傳統(tǒng)的人工方法來(lái)處理這些文件，效率十分低下，所以需要將PDF文本文件中的信息導(dǎo)入SQL數(shù)據(jù)庫(kù)以方便工作組的工作。PDF文本文件中包含大量的文本信息項(xiàng)以及圖形信息項(xiàng)，所以本課題主要研究的內(nèi)容就是如何將所有信息項(xiàng)一并導(dǎo)入到MSSQLSERVER數(shù)據(jù)庫(kù)中，以方便工作組利用后續(xù)開(kāi)發(fā)的管理工具的該數(shù)據(jù)庫(kù)進(jìn)行操作，

2、從而達(dá)到對(duì)該P(yáng)DF文本文件操作的目的。 該課題的研究方法相對(duì)簡(jiǎn)單明確，就是將PDF文本文件轉(zhuǎn)換成TXT文本文件，接著識(shí)別這個(gè)TXT文本文件的結(jié)構(gòu)，對(duì)其結(jié)構(gòu)進(jìn)行規(guī)范化處理，然后根據(jù)信息項(xiàng)的類(lèi)型以及信息項(xiàng)之間的相互關(guān)聯(lián)性將所有的信息項(xiàng)導(dǎo)入數(shù)據(jù)庫(kù)。在完成該課題的過(guò)程中最有特色的就是TXT文本文件的結(jié)構(gòu)識(shí)別機(jī)制，以及PDF文本文件中圖形信息項(xiàng)的導(dǎo)入機(jī)制。其中結(jié)構(gòu)識(shí)別機(jī)制是跟程序中的算法密切相關(guān)，而圖形信息項(xiàng)的導(dǎo)入要依賴(lài)與之一一對(duì)應(yīng)的來(lái)源