如何确定是否扫描.pdf文件的内容

Question

所以，我有一个.pdf文件，我需要能够确定它是否是通过扫描成PDF而创建的。我正在尝试确定它是否是一个我可以显示为文本的PDF格式。

我有PHP＆amp; Zend在我的处置。 我想我可以使用Zend的

$pdf->properties['Producer']

但我不是百分百肯定。

有没有办法确定我正在处理什么样的.pdf文件？

Answer 1

听起来很难。有许多不同的“制作人”ID，其中许多支持从任何类型的源生成PDF，无论是扫描，来自传真，文字处理器或诸如此类的东西。有很多方法可以创建PDF文件，你永远无法追溯到哪里来的。

如果您想确定是否可以将其显示为文本，为什么不尝试从中提取一些实际文本？如果它被扫描（或任何其他类型的嵌入图像），它应该没有或只有很少的文本内容。但是，有一些OCR程序可以创建一个扫描的PDF，其中也有机器可读的文本。你想怎么处理？

你最终的目标是什么？

Answer 2

要确定是否已扫描PDF文件，请使用Adobe Acrobat Reader打开它。

检查是否可以选择文本，这表示文档未被扫描。

但是，如果您选择文本的尝试还原为图形选择框，则表示文档已被扫描。