搜索存储在Google上的pdf文档中的特定字符串

Question

我的项目是发送带有pdf附件的电子邮件。我所有的pdf是在一个文件夹中的谷歌驱动器，我需要寻找特定的pdf相关的特定客户。pdf只包含文字和客户号码。

因此，我需要一个脚本，以提取文本从pdf到字符串，并研究这个字符串，以确定它是否包含客户编号。

现在我用这个：

function myFunction() {
  // Creates a new file and logs its content
  var file = DocsList.getFileById('my pdf file id here')
  Logger.log(file.getContentAsString()); // logs 'sample file contents'
}

但是日志显示了一个编码问题：

m��:�B�C-�BݣXaP�{���{��( v���GE�O�_����������q�o�v�)��p���u�\9�[�G��

有人知道如何从pdf中提取文本到字符串吗？

Answer 1

来自pdfToText()的Get pdf-attachments from Gmail as text实用程序使用高级驱动服务和DocumentApp将PDF转换为Google为文本。您可以以这种方式获取OCR的文本，也可以将其直接保存到驱动器上任何文件夹中的txt文件中。

// Start with a Blob object
var blob = DriveApp.getFilesByName("my.pdf")[0];

// filetext will contain text from pdf file, no residual files are saved:
var filetext = pdfToText( blob, {keepTextfile: false} );

一旦你有了文本，搜索关键字就变得非常容易了！

if (filetext.indexOf( keyword ) !== -1) {
  // Found keyword...
}