從現有PDF閱讀文本+圖形（如線條）信息

Question

我想閱讀現有pdf &提取文本和圖形信息。在圖形內，目前我只需要畫出的線條。有很多供應商閱讀PDF文本的組件，但也有那些可以給圖形信息嗎？雖然免費/開源是首選，但我也可以使用商業版本。

的要求是：

對於PDF的每一頁：

1. 閱讀文本塊

2. 結識文本塊畫布統籌（含塊矩形）。請注意，對於字體較大的文字，矩形尺寸會發生變化。

3. 線 - 在PDF頁面中的每一行

謝謝， 的（X1，Y1，X2，Y2）需要收集 - 導引頭

Answer 1

這是我的領域，雖然問題有點老了。希望這仍然有幫助。

您留下一定空間的假設，所以這裏是我的：

• 你尋求一個腳本，而不是獨立的軟件

• 你的對象是檔案

  1. 你運行命令行腳本： 使用此命令行腳本，詳細信息如下：http://stefaanlippens.net/extract-images-from-pdf-documents

  2. 您使用imagemagick或graphicsmagick函數運行服務器端代碼： 「convert -background white -flatten test1.pdf test1.jpg」（imagemagick）會將整個PDF頁面渲染爲jpeg。如果您想將其裁剪爲圖像，則取決於項目的上下文以確定要執行此操作的最佳腳本。

一個相當複雜的問題。如果您希望提供有關該項目的更多詳細信息，則可以提供更多指導。祝你好運。