☰

和qpdf

tag-icon • tag-icon pdf
和qpdf

我有一个 PDF 文件。我需要将该文件中的书签提取到文本文件或 Excel 电子表格中。我还需要验证大型 PDF 文件中的书签。我该怎么做呢？

答案1

您可以使用pdftk从 PDF 文件中提取数据（特别是书签）。

例子：使用 pdftk 2.02，

pdftk file.pdf dump_data_utf8 | grep '^Bookmark'

输出书签列表，每个书签 4 行，格式如下：

BookmarkBegin
BookmarkTitle: <title in UTF8>
BookmarkLevel: <number>
BookmarkPageNumber: <number>

例如，级别 1 对应于节，级别 2 对应于小节，依此类推。dump_data_utf8您可以使用代替dump_data，这将为您提供非 ASCII 字符的 HTML/XML 数字实体（例如&#232;“è”）。

注意：如果没有grep，您可以获得其他有趣的数据，例如元数据（创建日期、作者、关键字、标题等）、页数和每页的尺寸。这个 pdftk 实用程序可以对 PDF 文件执行其他操作；看到它的手册页以获得完整的描述。

答案2

和qpdf

这应该可以帮助您开始：

qpdf --json your.pdf | jq '.objects' | grep -Po 'Title": \K.*'

不过，该命令还将生成 PDF 的标题。

看看qpdf 手册关于其 JSON 输出。

grep我很确定该命令可以通过使用来简化，摆脱,jq 的通配符。

答案3

您可以使用 CLIjpdf调整提取 CSV 格式的书签：

java -jar -Xmx512M jpdftweak.jar "file.pdf" -savebookmarks "bmarks.csv" /dev/null

验证并可能修改书签数据后，您可以使用以下命令将其加载回 PDF 文件：

java -jar -Xmx512M jpdftweak.jar "file.pdf" -loadbookmarks "bmarks.csv" "file_updated.pdf"

Java参数-Xmx512M是可选的，但可以帮助处理需要更多内存的较大 PDF 文件。

您可能想阅读此相关问答以及。

相关内容