Logisk struktur
Föregående PDF struktur
PDF-dokument kan innehålla en logisk struktur träd (ISO 32000-1:2008, §14.7) som kartlägger dokumentinnehåll till semantiska element såsom rubriker, stycken och tabeller.
StructTreeRoot
StructTreeRoot är rötterna i strukturen. Det finns tillgång till via dokumentet katalog och ger metoder för att navigera på föräldralivet:
try (Document doc = new Document("tagged.pdf")) {
COSDictionary catalog = doc.getCatalog();
// Access structure tree via catalog MarkInfo and StructTreeRoot entries
}findElementByMcid() löser en Marked Content ID (MCID) till motsvarande strukturelement i det föräldraläget.
Strukturella element
Strukturelement representeras som COSDictionary Exempel med en typ tag (t.ex . är det., H1, P, TableMormor träd kartorna MCID integreras till strukturelement, möjliggör innehållsutvinning verktyg för att associera innehållsmärken med sina semantiska roller.
