逻辑结构

逻辑结构

标签:PDF结构

PDF 文档可以包含一个逻辑结构树 (ISO 32000-1:2008,第14.7条),该木材将文件内容映射到标题,段落和表等语义元素中.这种结构被屏幕阅读器和可访问性工具使用.

StructTreeRoot

StructTreeRoot 是结构树的根. 它可以通过文档访问编目并提供对母树进行导航的方法:

try (Document doc = new Document("tagged.pdf")) {
    COSDictionary catalog = doc.getCatalog();
    // Access structure tree via catalog MarkInfo and StructTreeRoot entries
}

findElementByMcid() 将标记内容ID (MCID) 解析为相应的在父树中的结构元素.

结构元素

结构元素表示为: COSDictionary 具有类型标签的实例 (例如:., H1, P, Table) 基树将MCID整数映射到结构元素中, 让内容提取工具与其语义作用联系起来.

标签:PDF结构

StructTreeRoot

结构元素

See Also