PDFlib TET Crack,文本提取工具包

PDFlib TET Crack,文本提取工具包

　　PDFlib TET(文本提取工具包)从任何 PDF 文件中可靠地提取文本、图像和元数据。它可用作库/组件和命令行工具。PDFlib TET 以 Unicode 字符串或结构化 XML 形式提供 PDF 的文本内容，以及详细的字形和字体信息。使用 PDFlib TET，您可以检索 PDF 文档中文本的相应 Unicode 值及其在页面上的位置。

　　PDFlib TET Crack除了低级文本检索之外，TET 还包含高级内容分析算法，用于确定单词边界、删除冗余重复文本(例如阴影和人工粗体)。使用辅助 pCOS 接口，您可以从 PDF 中检索任意对象，例如元数据、超文本等。

　　使用PDFlib TET Crack，您可以：

　　从 PDF 中提取文本，例如将其存储在数据库中

　　实现一个用于处理 PDF 的搜索引擎

　　将 PDF 页面的文本内容转换为 XML 以供其他工具处理

　　PDFlib TET Crack根据内容处理 PDF

　　PDFlib TET Crack支持的 PDF 输入

　　PDFlib TET 支持所有相关类型的 PDF 输入：

　　PDF 1.0 至 PDF 1.7 扩展级别 8 和 PDF 2.0，对应于 Acrobat 1-XI

　　所有字体和编码类型：基本 14 种字体、TrueType、PostScript、OpenType、CID 字体

　　具有 40 位和 128 位加密的加密 PDF(需要适当的权限设置或密码)

　　Unicode

　　PDFlib TET Crack虽然 PDF 中的文本通常不以 Unicode 编码，但 PDFlib TET 会将文本从 PDF 文档规范化为 Unicode：

　　TET 将所有文本内容转换为 Unicode。在 C 中，文本将以 UTF-8 或 UTF-16 格式返回，并作为所有其他语言绑定中的本机 Unicode 字符串

　　连字和其他多字符字形将被分解为其组成的 Unicode 字符序列

　　识别特定于供应商的 Unicode 分配(私人使用区域，PUA)，并在可能的情况下映射到公共 Unicode 区域中的字符

　　没有适当的 Unicode 映射的字形被标识为这样，并映射到可配置的替换字符

　　PDFlib TET Crack全面支持 CJK

　　TET 包括对提取中文、日文和韩文文本的全面支持。识别所有预定义的 CJK CMap(编码);支持水平和垂直书写模式。

　　内容分析和单词识别

　　TET 可用于检索低级字形信息，但也包括用于内容分析的高级算法：

　　检测单词边界以检索单词而不是字符

　　重新组合连字符的部分

　　删除重复的文本实例，例如阴影和人工粗体文本

　　将段落重新组合成阅读顺序

　　重新排列散布在页面上的文本

　　PDFlib TET Crack重建文本行

　　几何

　　TET 为文本提供精确的度量，例如页面上的位置、字形宽度、文本方向。页面上的特定区域可以排除或包含在文本提取中，例如忽略页眉和页脚或边距。

　　用于简单访问 PDF 对象的 pCOS 接口

　　TET 包括用于检索任意 PDF 对象的 pCOS(PDFlib 综合对象系统)接口。使用 pCOS，您可以使用简单的查询界面检索 PDF 元数据、超文本或实际页面描述之外的任何其他信息，而无需进行低级编程。

　　PDFlib TET Crack编程和性能

　　TET 的开发考虑到了可移植性、性能和健壮性。TET 是线程安全的，可以部署在多线程服务器应用程序中。核心库采用高度优化的 C 代码编写，以实现最高性能和最低开销。其他语言绑定可用于 COM、C、C++、Java 和 .NET。