不确定这是否是这个问题的正确位置，但我无法找到任何其他建议媒介。
user2016406
问问题
126 次
1 回答
0
文本提取。正如 mkl 在评论中提到的，PDF 可能已经包含一层文本（数字创建或预 OCRed），或者它可能是没有文本的纯图像 PDF（扫描或光栅化）。可以尝试现有的文本提取，但我认为它成功的机会很低，因为 PDF 没有用于文本提取目的的坐标信息。换句话说，以编程方式从 PDF 中提取所有现有文本非常容易，但很难从特定区域或区域中提取文本。出于这个原因，即使内部已经存在文本，OCR 也经常使用，因为 OCR 返回的文本具有非常详细的位置和区域信息，可以映射到图像坐标。
PDF 区域突出显示。我相信您要么必须重新构建一个突出显示某些区域的新 PDF，要么构建您自己的类似 PDF 的查看器，它将使图像和坐标以及文本和突出显示区域变得有趣。我会选择创建您自己的查看器的第二种选择，因为您对功能和 UI 有额外的控制。您的查看器可以将 PDF 作为输入并生成修改后的 PDF 作为输出，但是当您处理文档时，它不一定是 PDF，即使它在用户的角度看起来可能像 PDF，但增加了交互功能。
于 2013-06-03T16:36:27.020 回答