PDF документ манипулирование

Question

У меня есть несколько PDF-файлов со следующими свойствами:

Каждый PDF-файл содержит переменное количество «документов» с различным количеством страниц.

Каждая страница в «документе» имеет такой текст, как «Страница 3 из 26».

Я хочу иметь возможность автоматически идентифицировать первую и последнюю страницу каждого «документа» в PDF (Примечание: это не то же самое, что первая и последняя страницы PDF, поскольку каждый PDF может содержать несколько «документов»). ) и извлеките их в новый PDF для последующей печати и архивирования.

Я не уверен, какие инструменты я могу использовать для решения этой проблемы и какие библиотеки доступны для решения этой проблемы.

Есть какие-нибудь рекомендации? Предпочтительно бесплатно и может быть использован для создания инструмента, который будет работать в Windows.

Answer 1

Java имеет хорошую бесплатную библиотеку PDF. Проверьте iText .

С сайта iText:

Вы можете использовать iText для:

• Служит PDF для браузера
• Создание динамических документов из файлов или баз данных XML
• Использование многих интерактивных функций PDF
• Добавление закладок, номеров страниц, водяных знаков и т. Д.
• Разделение, объединение и обработка страниц PDF
• Автоматизация заполнения форм PDF
• Добавление цифровых подписей в файл PDF
• И многое другое ...

Поскольку это Java, не должно быть проблем с запуском в Windows или где-либо еще.

Answer 2

Мне удалось придумать ужасный взлом Unix, который будет работать:

• используйте pdftk, чтобы распаковать и разбить на отдельные страницы
• используйте pdftotext для преобразования каждой страницы в текст
• написать скрипт для идентификации соответствующей строки в текстовом формате и скопировать соответствующий pdf в подкаталог [в процессе]
• найти какой-нибудь инструмент для рекомбинации [будет исследовано, вероятно, pdftk может это сделать]

Должен работать на моей платформе Unix, но не уверен, что все эти инструменты приемлемы для среды Windows.

Один из возможных способов - использовать почтовый шлюз для получения PDF и возврата обработанного PDF, что делает его еще более уродливым.

Кто-нибудь с нативным решением для win32?

Answer 3

Вы можете попробовать использовать pdftk для распаковки PDF-файла, анализа данных, разделения и повторного сжатия.