Перейти к содержимому

программный доступ к содержанию PDF

1

Многие документы PDF содержат иерархическое оглавление. Я не имею в виду ToC, видимый на странице - я имею в виду метаданные, которые используются для создания ссылок на боковую панель при просмотре PDF с помощью приложения, такого как Preview. Как я могу извлечь это? Я не ищу приложение с графическим интерфейсом, так как собираюсь извлекать эту информацию из многих документов с помощью скрипта.

730 просмотров
Sean Mackesey спросил 11 лет назад
S 245

Можете ли вы спросить об этом так, чтобы это не звучало так, как будто вы запрашиваете рекомендации по программному обеспечению? http://superuser.com/help/on-topic

krowe · 11 лет назад · 0

@krowe Хм, ну, я думаю, лучшее, что я могу сделать, это удалить «с помощью инструмента командной строки или чего-то подобного». Я буду счастлив с рекомендацией программного обеспечения, но я также открыт для более общего описания того, как получить доступ к этим метаданным. Я чувствую, что это конкретный, хорошо продуманный вопрос, который соответствует критериям публикации. Случается, что ответ может включать рекомендации программного обеспечения.

Sean Mackesey · 11 лет назад · 0

http://stackoverflow.com/questions/2431426/extract-toc-of-pdf

krowe · 11 лет назад · 0

@krowe Отлично, это отвечает, спасибо.

Sean Mackesey · 11 лет назад · 0

1 ответ

0

The python package pdfminer is able to extract this information. Use the dumppdf.py script that comes with the package.

dumppdf.py -T /path/to/my/PDF

Produces XML of the table of contents.

NOTE: Credit @krowe for linking the source of this answer in the comments.

Sean Mackesey ответил 11 лет назад
S 245