Logická struktura
Kategorizované PDF struktura
Dokumenty PDF mohou obsahovat logický strom struktur (ISO 32000-1:2008, §14.7), který mapuje obsah dokumentu na sémantické prvky, jako jsou nadpisy, odstavce a tabulky. Tato struktura se používá čtečky obrazovek a nástroje pro přístupnost.
StructTreeRoot
StructTreeRoot je kořenem stromu struktury. Je přístupný prostřednictvím dokumentu katalog a poskytuje metody pro navigaci v mateřském stromu:
try (Document doc = new Document("tagged.pdf")) {
COSDictionary catalog = doc.getCatalog();
// Access structure tree via catalog MarkInfo and StructTreeRoot entries
}findElementByMcid() vyřeší identifikátor označeného obsahu (MCID) na odpovídající strukturní prvek v mateřském stromu.
Strukturní prvky
Strukturální prvky jsou reprezentovány jako: COSDictionary instanci s označením typu (např., H1, P, Table) Rodičský strom mapuje MCID celkové čísla do strukturních prvků, umožňují nástrojům pro extrahování obsahu spojit značky obsahu s jejich sémantickou rolí.
