推荐学习书目 Learn Python the Hard Way Python Sites PyPI - Python Package Index http://diveintopython.org/toc/index.html Pocoo 值得关注的项目 PyPy Celery Jinja2 Read the Docs gevent pyenv virtualenv Stackless Python Beautiful Soup 结巴中文分词 Green Unicorn Sentry Shovel Pyflakes pytest Python 编程 pep8 Checker Styles PEP 8 Google Python Style Guide Code Style from The Hitchhiker's Guide
这是一个创建于 4315 天前的主题，其中的信息可能已经有所发展或是发生改变。
我有一个pdf文档，其中的一些页面里，包含一些直线或曲线标注的注释。
我想要做以下事情：
1. 让python认出这些注释
2. python把带注释的页提取出来合成一份新的pdf文件。
关于2:目前用pyPdf找到一些思路，如果能返回我想要的页码，这个问题就容易解决了。
关于1:这个还没搞清楚。查看了PDFMiner，由于我是初学编程，网上又没有特别对口的实例，所以未果；也有人推荐poppler，这个好像还不是纯python写的，貌似比PDFMiner还要难上手。
请问大家有什么好办法么？
我想要做以下事情：
1. 让python认出这些注释
2. python把带注释的页提取出来合成一份新的pdf文件。
关于2:目前用pyPdf找到一些思路，如果能返回我想要的页码，这个问题就容易解决了。
关于1:这个还没搞清楚。查看了PDFMiner，由于我是初学编程，网上又没有特别对口的实例，所以未果；也有人推荐poppler，这个好像还不是纯python写的，貌似比PDFMiner还要难上手。
请问大家有什么好办法么？
 | 1 crazybubble 2013-12-26 10:14:07 +08:00 你可以先用pdfminer试试parse一个sample pdf看看，然后看那些直线和曲线标注的text pdfminer有没有给你特殊处理，我记得是没有的。。。pdfminer好像只能parse出text。而且pdfminer会把fi这个组合parse成一个单独的字符。。 |
 | 2 Shieffan 2013-12-26 10:30:06 +08:00 之前搞过，读annotation的话就用poppler-python，最多50行代码。 写annotation到PDF的话就poppler qt4。 Linux上的几个PDF reader基本都是基于poppler的，poppler-gtk的文档基本没有，但是qt4的文档比较丰富。 |
| 3 Shieffan 2013-12-26 10:33:12 +08:00 “python把带注释的页提取出来合成一份新的pdf文件”---现成的库你就别想了，除非你自己再写个poppler的python binding。 |
 | 4 musray OP @crazybubble 是啊，我在网上搜了搜PDFMiner的用法，好像多是谈论pdf中的文字转txt或者html格式。以后再找时间慢慢熟悉。 |
| 6 musray OP @Shieffan 用./configure 安装poppler的时候出现了一个提醒： No package 'pygtk-2.0' found No package 'atk' found No package 'poppler-glib' found Consider adjusting the PKG_CONFIG_PATH environment variable if you installed software in a non-standard prefix. Alternatively, you may set the environment variables PYPOPPLER_CFLAGS and PYPOPPLER_LIBS to avoid the need to call pkg-config. See the pkg-config man page for more details. 意思是要手动修改PKG_CONFIG_PATH? 应该如何做呢？ |
Select Language