Estrutura lógica
Tagged Estrutura PDF
Documentos PDF podem incluir uma árvore de estrutura lógica (ISO 32000-1:2008, §14.7) que mapeia o conteúdo do documento para elementos semânticos, como títulos, parágrafos e tabelas. Esta estrutura é usada por leitores de tela e ferramentas de acessibilidade.
StructTreeRoot
StructTreeRoot é a raiz da árvore de estrutura. É acessível através do documento Catálogo e fornece métodos para navegar na árvore-mãe:
try (Document doc = new Document("tagged.pdf")) {
COSDictionary catalog = doc.getCatalog();
// Access structure tree via catalog MarkInfo and StructTreeRoot entries
}findElementByMcid() Resolve um ID de conteúdo marcado (MCID) para o correspondente elemento de estrutura na árvore-mãe.
Elements de estrutura
Os elementos estruturais são representados como: COSDictionary instâncias com uma etiqueta de tipo (por exemplo,., H1, P, Table) A árvore-mãe mapeia os inteiros MCID para elementos de estrutura, Permitir que as ferramentas de extração de conteúdo associem marcas de Conteúdo aos seus papéis semânticos.
