Suche nach einem Parser für PDF-Dateien

Question

Kennt jemand einen Parser für PDF-Dateien, mit dem ich Textabschnitte aus der Klartext-PDF-Datei herausziehen kann? Insbesondere möchte ich einen Weg finden, um zuverlässig die Textabschnitte herauszuziehen, die sich auf Anmerkungen beziehen?

Delphi, C# RegEx macht mir nichts aus.

Answer 1

El PDF-Datei-Parser Artikel über xactpro scheint genau das zu sein, was Sie brauchen. Er erklärt das Format der PDF-Datei und enthält den vollständigen Quellcode für einen Parser (und ein weiteres Projekt zur Visualisierung des Modells).

Der Parser verwendet formatspezifische Begriffe, aber Sie können den Visualisierer leicht verwenden, um zu lernen, wonach Sie suchen müssen.

Answer 2

Sie können auch einen Blick auf Xpdf werfen ( http://www.foolabs.com/xpdf/download.html )

Answer 3

Ich bin nicht sicher, ob es die von Ihnen benötigte Funktionalität unterstützt, aber wir haben mit abcPDF mit einigem Erfolg.

Answer 4

Siehe pdfbox

Answer 5

AbcPDF erlaubt es, Anmerkungen zu extrahieren, es gibt einen sehr guten Abschnitt in der Hilfe dazu, aber der Code, um dies zu handhaben, ist im Allgemeinen :

    for (int objectIndex = 0; objectIndex < theDoc.ObjectSoup.Count; objectIndex++)
        {
            try
            {
                IndirectObject element = theDoc.ObjectSoup.ElementAt(objectIndex);

                string elementType = element.GetType().ToString();
                switch (elementType)
                {
                    case "WebSupergoo.ABCpdf8.Objects.Annotation":
                       //process the annotation, which could be all kinds of stuff
                        WebSupergoo.ABCpdf8.Objects.Annotation annotation = (WebSupergoo.ABCpdf8.Objects.Annotation)element; 

                        ProcessAnnotation(annotation);

...