从PDF中提取所有内容

发布时间：2020-12-14 16:36:28 所属栏目：资源来源：网络整理

导读：寻找从PDF文件中提取内容的解决方案(使用控制台工具或库). 它将在服务器上用于从上传的PDF文件中生成在线电子书. 需要提取以下内容：带字体和样式的文字; 图像; 音频和视频; 链接和热点. 页面快照和缩略图; 一般PDF信息,例如书籍布局,页数等查看Adobe PDF

寻找从PDF文件中提取内容的解决方案(使用控制台工具或库).

它将在服务器上用于从上传的PDF文件中生成在线电子书.

需要提取以下内容：

>带字体和样式的文字;
>图像;
>音频和视频;
>链接和热点.
>页面快照和缩略图;
>一般PDF信息,例如书籍布局,页数等

查看Adobe PDF库(仅5000美元),BCL SDK(？),PDFLib(795欧元),QuickPDF(250美元)

现在我们使用开源pdf2xml(提取文本,图像和链接)和GhostScript(快照和缩略图).剩下的其他事情是：

>字体;
>多媒体;
>热点;
>页面信息.

我们在支付大量资金(并且可能错误地选择错误的解决方案)或使用免费/开源解决方案之间犹豫不决.

您推荐哪种BEST解决方案从PDF中提取几乎所有内容？

任何评论将不胜感激.

听起来好几天或几周,您可以根据需要调整开源工具.字体和一切都可以被提取出来,这是每个PDF阅读器必须要做的事情才能显示它们.

您应该估算程序员的成本($/ hr),然后乘以估计所需的时间来添加所需的开源功能(60-80小时？).如果这个更高或接近5000美元,你可能会考虑购买商业软件.

否则,在(相当不错的)PDF reference的帮助下,你应该顺利.

还有一件事,你可能会发现Poppler有所帮助.它用于渲染PDF,但这与您尝试执行的操作非常相关.

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!