前端之家收集整理的这篇文章主要介绍了
从PDF中提取所有内容，
前端之家小编觉得挺不错的，现在分享给大家，也给大家做个参考。
寻找从PDF
文件中
提取内容的
解决方案(使用控制台工具或库).
它将在服务器上用于从上传的PDF文件中生成在线电子书.
需要提取以下内容：
>带字体和样式的文字;
>图像;
>音频和视频;
>链接和热点.
>页面快照和缩略图;
>一般PDF信息,例如书籍布局,页数等
查看Adobe PDF库(仅5000美元),BCL SDK(？),PDFLib(795欧元),QuickPDF(250美元)
现在我们使用开源pdf2xml(提取文本,图像和链接)和GhostScript(快照和缩略图).剩下的其他事情是：
>字体;
>多媒体;
>热点;
>页面信息.
我们在支付大量资金(并且可能错误地选择错误的解决方案)或使用免费/开源解决方案之间犹豫不决.
您推荐哪种BEST解决方案从PDF中提取几乎所有内容？
任何评论将不胜感激.
听起来好几天或几周,您可以根据需要调整开源工具.字体和一切都可以被
提取出来,这是每个PDF阅读器必须要做的事情才能
显示它们.
您应该估算程序员的成本($/ hr),然后乘以估计所需的时间来添加所需的开源功能(60-80小时？).如果这个更高或接近5000美元,你可能会考虑购买商业软件.
否则,在(相当不错的)PDF reference的帮助下,你应该顺利.
还有一件事,你可能会发现Poppler有所帮助.它用于渲染PDF,但这与您尝试执行的操作非常相关.
原文链接：https://www.f2er.com/html/227300.html
