Question

我们有一个相当复杂的打印工作流程，其中控件是使用Adobe Reader或Adobe Acrobat为生成的PDF文档的草稿版本添加注释和注释。作为工作流程的一部分，应解析带有注释和注释的导入PDF文档，并将注释导入CMS系统（与PDF一起）。

问：有没有可靠的工具（首选的Python或Java）来提取这些数据干净可靠的PDF文件方式？

Answer 1

此代码应该可以胜任。问题One of the answers的Parse annotations from a pdf非常有助于我编写下面的代码。它使用poppler库来解析注释。这是指向annotations.pdf的链接。

<强>码

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)

<强>输出

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

<强>安装

在Ubuntu上安装如下。

apt-get install python-poppler

提取PDF注释/注释

1 个答案: