我有一个big database 大约有 50 万（500K）个条目，现在所有这些条目也有一些与之相关的文档（即每个 id 至少有 pdf 文件）。现在我需要一个强大的方法来搜索那些 pdf 文件中的特定 text，如果我找到它，它应该返回相应的 'id'
请分享一些快速优化的方法到search text in a pdf using PHP。任何想法将不胜感激。
注意：将 pdf 更改为文本然后搜索显然不是我要寻找的，这将需要更长的时间。
在一行中，我需要使用 PHP 在 pdf 中搜索文本的最佳方法
【问题讨论】：
标签： php mysql database pdf full-text-search
如果这是一次性任务，可能没有“快速”解决方案。
如果这是一项重复性任务，
FULLTEXT 索引应用于该表。现在搜索会很快。
【讨论】：
MEDIUMTEXT，而不是JSON。
我自己用 ReactJS 编写了一个网站来搜索 PDF 文件（索引书籍）中的信息，我使用 Apache SOLR 搜索引擎对其进行了索引。
本质上，我在 React 中所做的是：
queryValue = "(" + queryValueTerms.join(" OR ") + ")"
let query = "http://localhost:8983/solr/richText/select?q="
let queryElements = []
if(searchValue){
queryElements.push("text:" + queryValue)
}
...
fetch(query)
.then(res => res.json())
.then((result) =>{
setSearchResults(prepareResults(result.response.docs, result.highlighting))
setTotal(result.response.numFound)
setHasContent(result.response.numFound > 0)
})
这会导致 HTTP 调用：
http://localhost:8983/solr/richText/select?q=text:(chocolate%20OR%20cake)
由于这是 ReactJS 并且只是代码的一部分，它对你来说对 PHP 来说没有什么价值，但我只是想演示一下这种方法是什么。我猜你会使用 Curl 或其他什么。
索引本身我在一个单独的服务中使用 SolrJ，即我编写了一个相当小的 Java 程序，它利用 SOLR 自己的 SolrJ 库将 PDF 文件添加到 SOLR 索引。
如果您选择使用 Java 和 SolrJ 进行索引（对我来说这是最简单的选择，而且我多年前没有使用 Java），这里有一些有用的资源和示例，我在广泛搜索后收集了这些资源和示例以用于我自己的目的：
https://solr.apache.org/guide/8_5/using-solrj.html#using-solrj
我基本上复制了这里的内容： https://lucidworks.com/post/indexing-with-solrj/ 并根据我的需要对其进行了调整。
提示：由于我对 Java 非常生疏，而不是设置类路径等，我的快速解决方案是将 SOLR 的 solrj 文件夹中的所有库复制到我的 Java 项目中。可能还有其他一些图书馆。可能很难看，但为我完成了这项工作。
【讨论】：