从PDF中，从命令行中提取带有页码的突出显示。

Question

有没有办法从PDF中从命令行中提取带有相应页码的突出显示段落？我找到了两个工具，但它们并不完全符合我的需要：pdf-高光-提取器允许我提取带有页码的突出段落，但它没有命令行界面，只有图形界面。DyAnnotationExtractor有一个命令行界面，但只给我突出显示的段落，而不是页码。有什么工具能满足我的需要吗？顺便说一下，我在Linux上。

提前感谢您的帮助！

Answer 1

我推荐使用漂亮的小Python库帕夫诺茨，它具有您正在寻找的功能。

$ pdfannots document.pdf

如果与其他一些Bash命令相结合，它可以生成格式良好的输出。例如：

$ pdfannots document.pdf --no-condense | \
# Removing duplicate lines:
cat -n | sort -uk2 | sort -nk1 | cut -f2- | \
# Improving output formatting:
awk '{$1=$1};1' | sed 's/^\(> \)//g' | sed 's/* Page #/\n&/'