2

Adobe Reader または Adob​​e Acrobat を使用して、生成された PDF ドキュメントの下書きバージョンのコメントと注釈を管理者が追加する、かなり複雑な印刷ワークフローがあります。ワークフローの一部として、注釈とコメントを含むインポートされた PDF ドキュメントを解析し、注釈を (PDF と共に) CMS システムにインポートする必要があります。

Q: そのようなデータをクリーンで信頼性の高い方法で PDF ファイルに抽出するための信頼できるツール (Python または Java を推奨) はありますか?

4

1 に答える 1

3

このコードは仕事をするはずです。PDF から注釈を解析するという質問に対する回答の 1 つは、以下のコードを作成するのに非常に役立ちました。poppler ライブラリを使用して注釈を解析します。これはannotations.pdfへのリンクです。

コード

import poppler, os.path

path = 'file://%s' % os.path.realpath('annotations.pdf')
doc = poppler.document_new_from_file(path, None)
pages = [doc.get_page(i) for i in range(doc.get_n_pages())]

for page_no, page in enumerate(pages):
    items = [i.annot.get_contents() for i in page.get_annot_mapping()]
    items = [i for i in items if i]
    print "page: %s comments: %s " % (page_no + 1, items)

出力

page: 1 comments: ['This is an annotation'] 
page: 2 comments: [' Please note ', ' Please note ', 'This is a comment in the text']

インストール

Ubuntu では、次のようにインストールします。

apt-get install python-poppler
于 2012-12-06T17:16:29.277 に答える