前言

PDF 文件是一种非常常用的文件格式，在企业信息系统存储和交换信息中普遍使用。然而从 PDF 文档中获取表格段落等文档内容却是一件非常麻烦的事情，这是因为pdf的设计初衷是基于文档显示的，为了能保证在不同平台中完全一致的视觉效果，文档以页为单位存储的是一系列包含线条、字符、图片等基本元素的绘图指令。基于这个原因，pdf文档不能像word文档一样直接获取表格和段落，如要获取结构化的文档内容，需要在获取字符、线条等图形及坐标基础上按阅读顺序把含线条、字符、图片等基本元素拼接成文档，过程十分复杂，而且需要不断优化才能达到满意的效果。

PDFBox是apache基金会旗下的一个为java开发人员读取和创建PDF文档而准备的纯Java开源类库。通过PDFBox可以轻松解析PDF文档并逐页获取图形元素及坐标。

pdftranspro是基于PDFBox的一款专业 pdf 文本内容提取软件，支持windows和linux平台，经过数年的持续改进其内容提取能力已经达到令人惊艳的地步，不仅能对跨页、跨栏的段落或表格进行合并处理，精确还原整篇文档内的段落和表格，而且可以同时输出html、xml、json、txt 等 4 种格式，方便用户高效获取 pdf 文档内的精确信息或数据。pdftranspro也提供 pdf文档截取合并等实用的 pdf 编辑功能。其个人版提供操作界面，可以一键处理单个pdf文档，个人用户免费使用；其收费版可以通过控制台方式或SDK方式集成pdf转换功能，需取得licence文件才能使用，用户可免费试用。

各版本及功能

版本	功能	平台	应用场景
免费版	以界面方式执行单个 pdf 文档转换、截取或合并 pdf 文档。	Windows/linux	适用于手动方式对 pdf 文档进行转换、截取、合并等。个人用户免注册，无需授权。
单任务版	增加界面方式连续单任务执行批量 pdf 文档转换功能。	Windows/linux	适用于批量 pdf 文档转换，无需手动逐个转换，单任务方式处理。
多任务版	增加界面方式连续多任务执行批量 pdf 文档转换功能。	Windows/linux	适用于大批量 pdf 文档转换，最多可设置 10 个并发处理数。
控制台版	增加命令行方式调用 PDF 文档转换功能。	Windows/linux	适用于以工作流方式集成 pdf 文档转换功能。
SDK版	增加 Java 调用 SDK 方式执行PDF 文档转换功能。	Windows/linux	适用于以Java调用SDK方式集成pdf文档转换功能，可返回转换文本。

效果展示

运行界面截图如下：

其中转换样式有“标记页码”和“跨页合并”两种样式可选。输出格式有html、xml、json、txt四种格式可选。以下图pdf为例说明如下：

以 “标记页码”样式输出html文件截图如下：

以 “跨页合并”样式输出html文件截图如下：

针对有单元格合并的表格，在输出xml、json、txt格式文件中可还原合并单元格，pdf截图如下：

输出txt文件截图如下：

针对页面中有分栏的情况，可以按阅读顺序衔接，pdf截图如下：

输出html文件截图如下：

下载链接

pdftranspro-win-x32——点击下载

pdftranspro-win-x64——点击下载

pdftranspro-linux-x32——点击下载

pdftranspro-linux-x64——点击下载

java调用SDK版pdftranspro示例

本文完。

Pdftranspro简介相关推荐

etcd 笔记（01）— etcd 简介、特点、应用场景、常用术语、分布式 CAP 理论、分布式原理
1. etcd 简介 etcd 官网定义: A highly-available key value store for shared configuration and service discov ...
Docker学习(一)-----Docker简介与安装
一.Docker介绍 1.1什么是docker Docker是一个开源的应用容器引擎,基于Go语言并遵从Apache2.0协议开源 Docker可以让开发者打包他们的应用以及依赖包到一个轻量级,可移植 ...
【Spring】框架简介
[Spring]框架简介 Spring是什么 Spring是分层的Java SE/EE应用full-stack轻量级开源框架,以IOC(Inverse Of Control:反转控制)和AOP(Asp ...
TensorRT简介
TensorRT 介绍引用:https://arleyzhang.github.io/articles/7f4b25ce/ 1 简介 TensorRT是一个高性能的深度学习推理(Inference) ...
谷粒商城学习笔记——第一期：项目简介
一.项目简介 1. 项目背景市面上有5种常见的电商模式 B2B.B2C.C2B.C2C.O2O B2B 模式(Business to Business),是指商家和商家建立的商业关系.如阿里巴巴 B ...
通俗易懂的Go协程的引入及GMP模型简介
本文根据Golang深入理解GPM模型加之自己的理解整理而来 Go协程的引入及GMP模型一.协程的由来 1. 单进程操作系统 2. 多线程/多进程操作系统 3. 引入协程二.golang对协程的处 ...
Linux 交叉编译简介
Linux 交叉编译简介主机,目标,交叉编译器主机与目标编译器是将源代码转换为可执行代码的程序.像所有程序一样,编译器运行在特定类型的计算机上,输出的新程序也运行在特定类型的计算机上. 运行编译 ...
TVM Operator Inventory (TOPI)简介
TOPI简介这是 TVM Operator Inventory (TOPI) 的介绍.TOPI 提供了比 TVM 具有更高抽象的 numpy 风格的,通用操作和调度.TOPI 如何在 TVM 中,编 ...
计算机视觉系列最新论文（附简介）
计算机视觉系列最新论文(附简介) 目标检测 1. 综述:深度域适应目标检测标题:Deep Domain Adaptive Object Detection: a Survey作者:Wanyi Li, ...

Pdftranspro简介

前言

各版本及功能

版本

功能

平台

应用场景

效果展示

更多详细资料

下载链接

Pdftranspro简介相关推荐

最新文章

热门文章