提取PDF注释/评论

Question

我们有一个非常复杂的打印工作流程，其中控件使用Adobe Reader或Adobe
Acrobat为生成的PDF文档的草稿版本添加注释和注释。作为工作流的一部分，应解析导入的带有批注和注释的PDF文档，并将批注导入CMS系统（连同PDF）。

问：是否有可靠的工具（首选Python或Java）以干净可靠的方式将此类数据提取到PDF文件？

Answer 1

此代码应该可以完成工作。从pdf解析注释的问题的答案之一对让我编写下面的代码非常有帮助。它使用poppler库解析注释。这是annotations.pdf的链接。

码

import poppler, os.path

path = 'file://%s' % os.path.realpath('annotations.pdf')
doc = poppler.document_new_from_file(path, None)
pages = [doc.get_page(i) for i in range(doc.get_n_pages())]

for page_no, page in enumerate(pages):
    items = [i.annot.get_contents() for i in page.get_annot_mapping()]
    items = [i for i in items if i]
    print "page: %s comments: %s " % (page_no + 1, items)

输出

page: 1 comments: ['This is an annotation'] 
page: 2 comments: [' Please note ', ' Please note ', 'This is a comment in the text']

安装

在Ubuntu上，安装如下。

apt-get install python-poppler