將PDF文本文件導(dǎo)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(dǎo)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(wù)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(dǎo)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(dǎo)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(zhuǎn)換成TXT文本文件，接著識別這個TXT文本文件的結(jié)構(gòu)，對其結(jié)構(gòu)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(guān)聯(lián)性將所有的信息項導(dǎo)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(jié)構(gòu)識別機制，以及PDF文本文件中圖形信息項的導(dǎo)入機制。其中結(jié)構(gòu)識別機制是跟程序中的算法密切相關(guān)，而圖形信息項的導(dǎo)入要依賴與之一一對應(yīng)的來源