无码人妻aⅴ一区二区三区a片简,午夜成人a片超清在线播放,日韩大片在线永久免费观看网站,久久精品国产精品久久久

  • PDFlib TET（文本內(nèi)容提取工具包）是一款可以從任意PDF文檔格式中可靠地提取文本信息的軟件。它不僅可以作為一種庫/控:，還可以一種命令行工具。該工具包可以使得PDF格式的文本內(nèi)容轉(zhuǎn)換成Unicode（統(tǒng)一的字符編碼標(biāo)準(zhǔn)）字符串，并附加詳細(xì)的字形和字體信息。一旦擁有了TET，你就可以從PDF文檔中的文本獲取相應(yīng)的Unicode字符值，以及它在頁面的位置。

     

     

    特征綜述 About Feature

     

    PDFlib TET 特征：
    除了低水平的文字獲取功能外，TET還包含有文本內(nèi)容分析算法——鑒 單詞邊界，去除冗余和重復(fù)文本（比如文字陰影和字體加粗）。使用輔助的PCOS接口，你就可以從PDF格式文本獲取任意格式的對(duì)象，比如元數(shù)據(jù)，超文本等。

    • 一旦擁有PDFlib,你就可以實(shí)現(xiàn)以下功能：
      • 從PDF格式文本中提取內(nèi)容，然后存儲(chǔ)到數(shù)據(jù)庫中
      • 執(zhí)行搜索引擎來處理PDF格式文本
      • 將PDF格式的文本頁面轉(zhuǎn)換成XML格式文本，以便其他工具處理
      • 基于PDF格式的文本內(nèi)容進(jìn)行處理

       
    • 支持的PDF文本格式輸入
      • 版本1.6以下的所有PDF版本（Acrobat7）
      • 所有的字體和編碼類型：base 14字體，TrueType字體，PostScript字體， CID字體用40-128位密鑰加密的PDF（適當(dāng)?shù)臋?quán)限密碼設(shè)置）

       
    • Unicode
      • 盡管PDF文檔中的文本并不是經(jīng)常用Unicode進(jìn)行編碼，PDFlib TET將會(huì)使PDF文檔中的文本統(tǒng)一規(guī)格化為Unicode字符。
      • TET轉(zhuǎn)換所有的文本內(nèi)容為Unicode字符。中文文本將會(huì)轉(zhuǎn)換成UTF-8或UTF16格式，同樣地，其他語言的文本將會(huì)轉(zhuǎn)換成本地的Unicode字符串。
      • 連字符和其他多字符字形將會(huì)分解成一系列的Unicode 字符串。
      • 沒有適當(dāng)?shù)腢nicode映射的字形可以被識(shí)別并且被映射到可配置的替換字符

       
    • 完全支持CJK（中文，日文，韓文）語種
      • TET包含有對(duì)中文，日文，韓文文本提取功能的全面支持。識(shí)別所有預(yù)先定義的CJK映射（編碼）；支持橫向和縱向書寫模式。

       
    • 內(nèi)容分析和單詞識(shí)別
      TET不僅可以獲取低水平的字形信息，還包含對(duì)內(nèi)容分析的高級(jí)算法：
      • 檢查單詞邊界來獲得單詞而不是字符串。
      • 重新組合帶有連字符號(hào)的單詞的各部分。
      • 去除重復(fù)的文本內(nèi)容，比如陰影效果文本和加粗效果的文本
      • 按照閱讀順序重新整合段落
      • 對(duì)頁面上散亂的文本內(nèi)容進(jìn)行重排
      • 重建文本行

       
    • 幾何功能
      TET對(duì)文本提供精確的幾何功能，比如頁面定位，字形寬度，文字方位。在文字提取過程中，可以指定頁面某區(qū)域被提取或不被提取，比如忽略頭注，腳注或頁邊空白區(qū)域。
    • 簡(jiǎn)單訪問PDF對(duì)象的pCOS接口
      TET包含有獲取任意PDF對(duì)象的pCOS（PDFlib綜合性對(duì)象系統(tǒng)）接口。擁有了pCOS，只要一個(gè)簡(jiǎn)單的查詢接口，不需要任何底直喑蹋憔涂梢曰袢DF元數(shù)據(jù)，超文本，或是除實(shí)際頁面描述之外的其他任意信息。
    • 編程和性能
      TET是基于輕便性，高性能，健壯性思想進(jìn)行開發(fā)的。TET在多線程服務(wù)器應(yīng)用程序開發(fā)部署中保證線程級(jí)安全。核心庫是由具有高性能和低成本的并且高度優(yōu)化過諧代碼編寫的。附加的語言包對(duì)COM,C,C++,Java和.NET均有效。TET命令行工具和TET庫TET在不同的開發(fā)環(huán)境中可以作為一種編程庫（控件），以及在批處理命令中作為一種命令行工具。兩者都提供了相同的基本功能，并且適合不同的部署任務(wù)。以下提供選擇的參考指南：
      • TET編程庫可以整合到你的桌面或服務(wù)器端應(yīng)用程序。關(guān)于使用包含所有支持的語言包的編程庫的實(shí)例都包含在TET包中。
      • TET命令行工具適合批處理PDF文檔。它不需要任何的編程，只需要提供能夠整合到復(fù)雜的工作流程中的命令行參數(shù)。TET命令行工具可以將PDF格式的頁面內(nèi)容轉(zhuǎn)換為Unicode文本格式的XML文檔（有或沒有字符幾何特征）