PDF文档操作

Question

我有几个具有以下属性的PDF：

每个PDF包含可变数量的“文档”，具有不同的页数。

“文档”中的每一页都有诸如“第3页(共26页)”之类的文本。

我希望能够自动识别PDF中每个“文档”的第一页和最后一页(注意:这与PDF的第一页和最后一页不同，因为每个PDF可能包含几个“文档”)，并将这些文档提取到新的PDF中，以便以后打印和存档。

我不确定我能带来什么工具来解决这个问题，也不确定有什么库可以解决这个问题。

有什么建议吗？最好是免费的，可以用来创建一个可以在Windows上运行的工具。

Answer 1

Java有一个很好的免费pdf库。查看iText。

来自iText的网站：

您可以使用iText执行以下操作：

从XML文件或数据库向browser

• Generate提供

• 动态文档

• 使用

的许多交互功能

• 添加书签、页码、水印、PDF串接和操作pages

• Automate填充表单
• 向
• 文件添加数字签名

<代码>H118等...<代码>H219<代码>F220

因为它是Java，所以在Windows上运行应该不会有任何问题，或者在其他任何地方都不会有问题。

Answer 2

您可以尝试使用pdftk解压缩PDF，解析数据，拆分数据，然后重新压缩。

Answer 3

我设法想出了一个可以工作的可怕的unix黑客：

• 使用pdftk解压并分解成单独的页面
• 使用pdftotext将每个页面转换为文本
• 编写一个脚本来识别txt中的适当字符串并将相应的pdf复制到子目录中进行
• 找到一些要重新组合的工具进行研究，也许pdftk可以做

<代码>F29

应该可以在我的unix平台上工作，但不确定是否可以将所有这些工具带到windows环境中。

一种可能是使用电子邮件网关来接收pdf并返回经过处理的pdf，这使得它更加丑陋。

有谁有原生win32解决方案吗？