https://github.com/miyako/4d-plugin-pdf2text-v2

PDF text extractor based on libpoppler
https://github.com/miyako/4d-plugin-pdf2text-v2

4d-plugin pdf

Last synced: 18 days ago
JSON representation

PDF text extractor based on libpoppler

• Host: GitHub
• URL: https://github.com/miyako/4d-plugin-pdf2text-v2
• Owner: miyako
• License: gpl-3.0
• Created: 2019-10-21T12:40:04.000Z (over 6 years ago)
• Default Branch: pdftoxml
• Last Pushed: 2024-08-27T04:51:17.000Z (almost 2 years ago)
• Last Synced: 2025-01-08T17:55:28.537Z (over 1 year ago)
• Topics: 4d-plugin, pdf
• Language: C
• Homepage:
• Size: 251 MB
• Stars: 1
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

          
![version](https://img.shields.io/badge/version-17%2B-3E8B93)

![platform](https://img.shields.io/static/v1?label=platform&message=mac-intel%20|%20mac-arm%20|%20win-64&color=blue)

[![license](https://img.shields.io/github/license/miyako/4d-plugin-PDF2TEXT-v2)](LICENSE)

![downloads](https://img.shields.io/github/downloads/miyako/4d-plugin-PDF2TEXT-v2/total)

# 4d-plugin-PDF2TEXT-v2

PDF text extractor based on [poppler](https://poppler.freedesktop.org).

based on poppler/utils/pdftohtml.cc `PDFDocFactory` API.

### build notes on Windows

* Use Visual Studio 2017 or later

### build notes on macOS

* `CLANG_CXX_LANGUAGE_STANDARD` = `c++14`

* `CLANG_CXX_LIBRARY` = `libc++`

## PDF to XML

```4d

xml:=PDF to XML(pdf;options)

```

|パラメーター|データ型|説明|

|-|-|-|

|pdf|BLOB||

|options|Object||

|options.firstPage|Number|`-f` このページから (`1`)|

|options.lastPage|Number|`-l` このページまで (`0`)|

|options.ownerPassword|Text|`-opw` オーナーパスワード|

|options.userPassword|Text|`-upw` ユーザーパスワード|

|options.scale|Number|`-zoom` 拡大率 (`.1.0`) `0.5`⇢`3.0`|

|options.noRoundedCoordinates|Boolean|`-noroundcoord` 座標を丸めない (`true`)|

|options.wordBreakThreshold|Number|`-wbt` わかち書きの閾値 (`1`)|

|options.rawLineBreak|Boolean|`
`の代わりに`\n`を出力する (`false`)|

|options.lineBreakThreshold|Number|改行の閾値 (`0.7`)|

|options.ignoreHorizontalAlign|Boolean|左揃えでなくても改行判定する (`false`)|

|options.ignoreFont|Boolean|改行の場合はフォントの違いを無視する (`false`)|

|options.ignoreBoldItalic|Boolean|`` ``タグを出力しない (`false`)|

|xml|BLOB|エンコーディングは固定値 (`UTF-8`)|


#### 常に有効なオプション

* `-xml`

* `-v`

* `-q`

* `-c`

* `-hidden`

* `-noframes`

#### 常に無効なオプション

* `-h`

* `-p`

* `-s`

* `-i`

* `-stdout`

* `-nodrm`

* `-fontfullname`

* `-dataurls`

* `-fmt`

* `-noMerge`

  

### 論考

Popplerはレンダリングエンジンであるので，テキストは論理的なブロックではなく，絶対値で返される。