pdf文件的简单介绍-提取pdf中的内容

PDF是一种跨平台的电子文件格式,其内容包括文字、图片、音频和视频等。文件由对象组成,通过交叉引用表xref索引位置。提取内容通常涉及将PDF转换为docx再进行处理。免费的在线PDF处理工具如迅捷PDF转换器可帮助提取内容。
摘要由CSDN通过智能技术生成

pdf文件

  • pdf文档格式是一种电子文件格式,与操作系统,软件,硬件无关。可以在多个平台上面通用。

  • 用文本编辑器打开pdf文档,可以看到文件头%PDF-1.4 最后一位是PDF文件格式版本号,软件版本号比文件版本号高1。文件体里面是obj对象,每个对象的格式为:

    3 0 obj
    <<
    /Type /pages
    /count 1
    /Kids [4 0 R]
    >>
    endobj
    

    其中3是对象号用来标识唯一对象,0是产生号表示修改了几次。对象的内容在<< >> ,之间,然后以关键字 endobj 结束obj对象

  • 在文件的尾部有一个交叉引用表xref用来索引各个obj对象在文档中的位置。

    xref
    0 8
    0000000000 65535 f
    0000000009 00000 n
    0000000074 00000 n
    0000000120 00000 n
    0000000179 00000 n
    0000000322 00000 n
    0000000415 00000 n
    0000000445 00000 n
    

    以xref开头

    0 8 表示下面要描述的对象号从0开始,一共有8个,包括0号对象。第一行,含有f,是第0个对象,f表示对象(free)未启用obj对象,65535是最大的修改次数。下面的含有n的表示启用obj对象,前面的一串数字表示的是偏移地址,这是相对于第一个obj来定义的。

  • xref的后面还有一个Trailer</

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值