將PDF文本文件導入SQL數(shù)據(jù)庫.pdf

1、該文主要論述如何將大字符集的PDF文本文件導入SQL數(shù)據(jù)庫，這些PDF文本文件是大字符集工作組日常事務處理的重點。但是由于工作組一直采用傳統(tǒng)的人工方法來處理這些文件，效率十分低下，所以需要將PDF文本文件中的信息導入SQL數(shù)據(jù)庫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以及圖形信息項，所以本課題主要研究的內(nèi)容就是如何將所有信息項一并導入到MSSQLSERVER數(shù)據(jù)庫中，以方便工作組利用后續(xù)開發(fā)的管理工具的該數(shù)據(jù)庫進行操作，

2、從而達到對該PDF文本文件操作的目的。 該課題的研究方法相對簡單明確，就是將PDF文本文件轉換成TXT文本文件，接著識別這個TXT文本文件的結構，對其結構進行規(guī)范化處理，然后根據(jù)信息項的類型以及信息項之間的相互關聯(lián)性將所有的信息項導入數(shù)據(jù)庫。在完成該課題的過程中最有特色的就是TXT文本文件的結構識別機制，以及PDF文本文件中圖形信息項的導入機制。其中結構識別機制是跟程序中的算法密切相關，而圖形信息項的導入要依賴與之一一對應的來源