Loginė struktūra
PDF struktūra
PDF dokumentai gali apimti loginę struktūrą (ISO 32000-1:2008, §14.7) kuri žemėlapį dokumentų turinį semantiškų elementų, pavyzdžiui, antraštes, paragrafus ir lenteles.
StructTreeRoot
StructTreeRoot yra struktūros medžio šaknis. Jis prieinamas per dokumentą katalogas ir teikia metodus, kaip navigaciją į gimtąjį medį:
try (Document doc = new Document("tagged.pdf")) {
COSDictionary catalog = doc.getCatalog();
// Access structure tree via catalog MarkInfo and StructTreeRoot entries
}findElementByMcid() išsprendžia žymintą turinio ID (MCID) atitinkamame Struktūros elementas tėvų medyje.
Struktūros elementai
Struktūros elementai yra atstovaujami kaip COSDictionary Pavyzdžiai su tipo žymėmis (pavyzdžiui ir., H1, P, TableMotinos medžio žemėlapiai MCID integruojami į struktūrinius elementus, leidžia turinio ekstrakcijos įrankius susieti turinį su jų semantiškomis vaidmenimis.
