Structure logique
Étiquette : PDF Structure
Les documents PDF peuvent inclure un arbre de structure logique (ISO 32000-1:2008, §14.7) qui cartographie le contenu du document à des éléments sémantiques tels que les titres, paragraphes et tables.
StructTreeRoot
StructTreeRoot est la racine de l’arbre structurel. Il est accessible par le document Catalogue et fournit des méthodes pour naviguer l’arbre parent:
try (Document doc = new Document("tagged.pdf")) {
COSDictionary catalog = doc.getCatalog();
// Access structure tree via catalog MarkInfo and StructTreeRoot entries
}findElementByMcid() Il résout un identifiant de contenu marqué (MCID) à l’identification correspondante. L’élément de structure dans l’arbre parent.
Les éléments structurels
Les éléments de la structure sont représentés comme COSDictionary Un type de tag avec un type d’indice ( par exemple., H1, P, TableLes cartes d’arbre maternel MCID intégrent les éléments structurels, permettant des outils d’extraction de contenu pour associer les marques de content à leurs rôles sémantiques.
