PDFTextStream

PDFTextStream projekt egy PDF szöveg és metaadatok kinyerése könyvtár elérhető Java, Python, és a .NET.
Támogatja az összes verzió PDF dokumentum specifikáció, (beleértve v1.6, használt Acrobat 7), kitermelése szöveget kódolt kettős-bájtos karakterkészletet (például a kínai, japán és koreai), dekódolást 40 bites és 128 bites titkosított dokumentumokat, és kitermelése összes dokumentum metaadatok által nyújtott PDF dokumentumok (beleértve a formában adatokat, a könyvjelzők és jegyzetek).
Egyszerű integráció a Jakarta Lucene tartalmazza.

Mi az új ebben a kiadásban:

• Ez a verzió tartalmazza a különböző javítások készül hogy biztosítsák PDFTextStream képes kitermelése szöveges PDF dokumentumokból, amelyek nem megfelelő a PDF specifikáció.
• Ez is számos teljesítménybeli javulást.

Mi az új a 2.3.0 verzió:

• Bekerült egy .isStruckThrough () metódus com. snowtide.pdf.TextUnit, jelezve, hogy a karakternek van áthúzva húzott át rajta.
• Továbbfejlesztett PDFTextStream támogatja a beágyazott karakter leképezése.
• A számítás a szóköz a szavak között javítottuk, hogy megfelelő számot szóköz, amely kifejezetten kódolt a forrás PDF dokumentumokat.
• Továbbfejlesztett PDFTextStream hozzáállását kompozit tartalmi kódolás, ami korábban sikertelen lehet, ami bizonyos tartományok PDF tartalmat "figyelmen kívül hagyta" extrakció során.
• Javítva egy hiba VisualOutputTarget ahol a szöveg egyetlen vonal lenne megosztani több sorba
• Továbbfejlesztett függőleges igazítását szöveget extrahálják VisualOutputTarget
• Továbbfejlesztett VisualOutputTarget-kivonatait megszüntetése hamis további jelek választják szorosan szomszédos szavakat

Mi az új 2.2.5:

• Ez a kiadás támogatást ad kitermelése XFA formák adatok XML.
• Ez jelentősen javítja a teljesítményt szövegkinyerés segítségével VisualOutputTarget. Támogatás a PDF dokumentumok 2GB-nál nagyobb.
• A javítás a hiba, ha a kódolásban a beágyazott Type1 betűtípusok korábban nem megfelelően alkalmazzák-e bizonyos körülmények között.
• A javítás a probléma, ahol újabb tartalmat frissített PDF dokumentumok néha figyelmen kívül hagyják.
• A javítás a probléma, ha PDFDocEncoding-kódolt könyvjelzők és metaadatok nem éppen dekódolt megfelelően.
• A .getDestinationName () metódus com.snowtide.pdf.Bookmark.

követelmények :

• Apache Lucene