Описание тега pdf

Описание тега Вопросы с тегом
Portable Document Format (PDF) - это открытый стандарт обмена электронными документами, поддерживаемый Международной организацией по стандартизации (ISO). Вопросы могут касаться создания, чтения, редактирования PDF-файлов на разных языках.

Официальная спецификация ISO (ISO 32000-1, также известная как "PDF-1.7") важна как справочная, но она не совсем написана для начинающих PDF.

Новички могут начать с этих двух легко читаемых ресурсов:

Связанные теги

pdf-form, pdf-generation, pdf-parsing, pdf-преобразование, abcpdf, core-graphics, ghostscript, fpdf, itext, itextsharp, pdfbox, pdfium, pdflatex, pdfsharp, pdftk, postscript, pypdf, tcpdf, wkhtml-topdf, zend pdf, pdfclown

Вопросы

Связанные вопросы о переполнении стека обычно относятся к следующим областям:

  • Как конвертировать, создавать или кодировать PDF с помощью html, php и т. Д.?
  • Все остальное.

Первый домен был подробно рассмотрен, и на любой ваш вопрос, вероятно, уже есть ответы.

Извлечение информации

Извлечение текста из PDF может оказаться невозможным без использования оптического распознавания символов (OCR). Буквы могут быть закодированы как глифы шрифта, штриховая графика, векторная графика или растровые изображения.

Файлы PDF обычно содержат инструкции по рисованию. В большинстве файлов PDF нет такого понятия, как "таблица". Есть линии, глифы и растровые изображения (а также обрезки, цветовые пространства и т. Д.). Практически невозможно определить, что является таблицей в произвольном файле PDF, а что нет.

Обратите внимание, что глиф не является символом. У глифа есть внешний вид; в то время как персонаж имеет значение. Каждый шрифт в PDF может отображать или не отображать свои глифы в символы.

По возможности используйте исходные данные для извлечения информации, а не полагайтесь на PDF. Этот формат файла разработан для обеспечения визуальной согласованности, и из его содержимого можно извлечь очень мало полезных нормализованных данных.

Содержание

Файл PDF часто представляет собой комбинацию векторной графики, текста и растровой графики. Основные типы содержимого PDF-файла:

  • текст, хранящийся в виде потоков контента (т.е. не текст)
  • векторная графика для иллюстраций и дизайнов, состоящих из форм и линий
  • растровая графика для фотографий и других типов изображений

Ссылки по теме

Для получения дополнительной информации об этом формате файла см.: