如何使用 Azure Functions 提取 PDF 文件的文本？

Question

我想创建一个 Azure 函数，它会在文件上传到 blob 存储并提取 PDF 文件的文本时随时触发。我也不知道什么是最好的图书馆。

我发现 this post 展示了如何使用 PdfSharp 提取 PDF 文件的文本，但我似乎无法使用它，因为这是我第一次使用 Azure Functions。

Answer 1

这个问题过于宽泛，可能会被关闭。但这里有一些提示。

1. 首先安装 Azure 存储模拟器，以便您可以在本地创建 Blob 以进行测试。搞定here。
2. 创建 Azure Functions v2。设置一个 Blob 存储触发器，以便无论何时向本地存储写入内容，都会调用该触发器。 Blob 触发器描述 here。
3. 在将 Blob 添加到本地模拟器时，一旦您可以在 Azure Functions 中遇到断点，您将需要获取字节并使用您选择的 PDF ripper 提取文本。有很多，有些是免费的，有些是付费的。提出一个建议并给出代码示例可能 运行 数千个单词，因此选择和使用哪一个取决于您。