以防万一有人正在寻找一些工作代码。 这是我使用的脚本。
import poppler
import sys
import urllib
import os
def main():
input_filename = sys.argv[1]
# http://blog.hartwork.org/?p=612
document = poppler.document_new_from_file('file://%s' % \
urllib.pathname2url(os.path.abspath(input_filename)), None)
n_pages = document.get_n_pages()
all_annots = 0
for i in range(n_pages):
page = document.get_page(i)
annot_mappings = page.get_annot_mapping()
num_annots = len(annot_mappings)
if num_annots > 0:
for annot_mapping in annot_mappings:
if annot_mapping.annot.get_annot_type().value_name != 'POPPLER_ANNOT_LINK':
all_annots += 1
print 'page: {0:3}, {1:10}, type: {2:10}, content: {3}'.format(i+1, annot_mapping.annot.get_modified(), annot_mapping.annot.get_annot_type().value_nick, annot_mapping.annot.get_contents())
if all_annots > 0:
print str(all_annots) + " annotation(s) found"
else:
print "no annotations found"
if __name__ == "__main__":
main()
虽然这可能是有用的,如果我想从PDF中提取所有文本,我只想提取注释。 我之所以提到poppler的原因是因为它的确提供了这个功能,很容易(http://cgit.freedesktop.org/poppler/poppler/tree/glib/poppler-annot.h)。 但是,我想用python。我找到了python-poppler绑定项目,但似乎并没有提供对注释的完全访问。我的问题归结为“我做错了还是图书馆不完整?”和“有没有其他人提供相同的功能?” – davidb 2009-07-10 13:54:08