如何通过命令行识别包含高亮显示文本的PDF页面

Question

假设pdf文档包含第1页、第3页和第14页的突出显示。是否有一个Linux命令行工具(或一组工具，其输出可以互相管道传输)可以报告那些包含突出显示文本的页面的页码？类似于：

$ sought_tool --list-pages-with-highlights doc.pdf
1 3 14

Answer 1

漂亮的小Python库帕夫诺茨完全具备所需的功能。

$ pdfannots doc.pdf

如果与grep和awk相结合，则可以产生所需的结果。

$ pdfannots doc.pdf | \
  grep "* Page #" | \
  awk -F':' '{print $1}' | \
  awk -F'#' '{print $2}' | \
  sort -u -n | \
  paste -s -d ' '
1 3 14