Java或.NET-PDFxStream應(yīng)用自如

PDFxStream for Java由純Java語言撰寫，沒有本地化組件和依賴性，唯一的要求就是需在Java1.5（或更高）JVM虛擬機上。當(dāng)然，作為一個Java庫，PDFxStream可用于任何支持互用Java API的任何JVM語言，包括Clojure, Scala, Groovy, JRuby, Jython等等。

PDFxStream for .NET是由標準的PDFxStream for Java二進制轉(zhuǎn)換來的純托管.NET組件。這個轉(zhuǎn)換過程是完整的，不管是功能、固定性、API還是性能方面都沒有任何的影響。所有PDFxStream for Java有的并發(fā)和并行性它都具有，可用于任意的.Net語言，包括C#, VB.NET, F#, 托管C++等。

PDFxStream適用于嚴苛的桌面和服務(wù)器應(yīng)用程序，包括有重大意義的并發(fā)性要求。它被設(shè)計成易于并行化，使您在處理PDF文檔時可以充分利用您的硬件和基礎(chǔ)設(shè)施投入，而不必擔(dān)心卡住和速度的限制。

從PDF文檔提取文本和元數(shù)據(jù)最快的組件

PDFTextStream從PDF文檔提取數(shù)據(jù)時有兩個目標：精準和快速。哪一個屬性對你的應(yīng)用程序更重要是自己決定的東西。然而，在許多情況下，文本的提取性能沒那么容易：它是項目成功的關(guān)鍵。

PDFxStream：四大組件合成一個API

每一個組件都包含在PDFxStream的API中，且有一個不同的類從PDF文檔中提取數(shù)據(jù)：

• PDFTextStream提供全面的PDF文本提取功能

• PDFImageStream提供綜合PDF圖像提取功能

• PDFFormStream提供易提取和交互填充功能

• PDFxStream Base是基礎(chǔ)，所有的其他的PDFxStream功能都是在此之上建立的。它實現(xiàn)了基本的PDF文件功能，并提供了最簡單的PDF文件基礎(chǔ)。

PDFImageStream

• Unicode文本提取，包括支持中文、日文、韓文（CJK）在水平和垂直的寫作模式

• OutputHandler API定制PDF文本格式的有效提取
  

• 區(qū)域文本提取，完美的從固定格式提取數(shù)據(jù)
  

• 對嵌入式和標準字體和字符編碼完整支持：

• 類型0,1和1C

• TrueType

• Identity-H和Identity-V編碼

• CMap編碼（包括數(shù)以百計的中文、日文、韓文的字符集上，橫向和縱向的寫作模式）

• 自動布局處理，提供了一個遍歷PDF文檔模型，包括塊、行、列和表結(jié)構(gòu)
  

• 支持從“搜索圖像”PDF中提取文本
  

• 支持所有種類的旋轉(zhuǎn)文本
  

• 基本檢測，表格數(shù)據(jù)推理以及一組表提取實用程序

PDFImageStream

• 減壓和解碼數(shù)十種PDF圖像

• 繪制圖像算法上下文圖像并保存到熟悉的磁盤文件格式：

• JPEG

• TIFF
  

• GIF

• PNG
  

• BMP

• 自動拼接圖像

PDFFormStream

• 支持從所有類型的字段提取“acroform”（互動）表單數(shù)據(jù)

• 文本

• 下拉菜單

• 無線按鈕

• 復(fù)選框

• 按鈕
  

• 簽名

• 自動拼接圖像
  

• 支持XFA表單數(shù)據(jù)提取
  

• 支持填充"Acroform"字段，寫更新文件
  

PDFxStream Base
PDFxStream Base實現(xiàn)了大部分PDF的基礎(chǔ)功能以及提供了許多的PDF數(shù)據(jù)類型：

• 兼容所有的PDF文檔的所有版本，從1.0版本（對應(yīng)Acrobat 1）到1.7版本（對用Acrobat 8或者更高）

• 支持對PDF文檔加密使用40位、128位、256位以及變化的個位長度密碼（包括RC4和AES）

• 對PDF文檔常見的畸形和不規(guī)則自動修復(fù)

• 提取PDF注釋（鏈接、文本注釋等）

• 提取嵌入式文件和附件

• 提取PDF書簽（大綱，表目錄）

• 提取文檔元數(shù)據(jù)

• 提取原始字符數(shù)據(jù)

• 圖像元數(shù)據(jù)的提取，包括圖像的尺寸，位置和類型

• PDF文件合并

所有其他組件均是建立在PDFxStream Base基礎(chǔ)之上。

PDFTextStream was built from the ground up specifically to meet the most stringent PDF text and metadata content extraction requirements. Its API is comprehensive, and includes the following features:

• Extensive support for the PDF file format specification and all known variants
• Full Unicode-capable text extraction facilities, including support for extracting Chinese, Japanese, and Korean text, in both horizontal and vertical writing modes
• Full support for updating interactive AcroForms (including text, checkbox, radio button, and choice fields)
• Comprehensive PDF document metadata access
  • Simple key/value attributes
  • Adobe XMP - XML metadata access
• age-level object model via com.snowtide.pdf.Page , providing page-specific text extraction and page metrics (height, width, rotation angle, etc)
• Acroform (interactive form) data extraction
• PDF bookmark (document outline) access
• PDF annotation access (including Link (web URL) annotations)
• Seamless Lucene integration
• EncryptionInfo API: provides access to PDF document encryption parameters
• Text-piping API for super-fast text extraction api doc provides hooks for customizing how PDF text extracts are formatted (such as when the visual layout of each page needs to be maintained)
• Selective regional text extraction built-in, ideal for extracting data from fixed-format forms
• Optional in-memory operation
• Built-in PDF merge utility
• PDF to HTML exporter
• PDFTextStream subclasses java.io.Reader, which ensures a simple, familiar interface, and straightforward integration opportunities with existing components that expect a java.io.Reader instance.
• Flexible logging toolkit hooks
  • Built-in support for logging to standard out, Log4J, and java.util.logging toolkits
  • Ability to plug in custom logging implementations