c++ - 有没有办法使用 libpoppler 分别访问页眉、页脚和页面内容？

Question

我正在使用libpoppler将PDF文件解析为纯文本，并且我想分别输出页眉、页脚和内容，我该怎么做？是否有任何结构或类保存它们？

提前致谢!!

Answer 1

您可以使用poppler_page_get_text()获取页面中的文本。之后你能解析纯文本吗？这是示例代码。它不是 C++，但希望您能看到这个想法。

在 Debian 不稳定 amd64、libpoppler-glib-dev 0.18.4-3、gcc 4.7.1-7 上测试

$ gcc -Wall -g -Wextra get-text.c $(pkg-config --cflags --libs poppler-glib)

#include <poppler.h>
#include <glib.h>

int main(int argc, char *argv[])
{
    GError *error = NULL;
    PopplerDocument *d;
    PopplerPage *p;
    gchar *f;
    gchar *u;

    g_type_init();

    if (argc < 2)
            g_error("oops: no file name given");

    if (g_path_is_absolute(argv[1]))
            f = argv[1];
    else
            f = g_build_filename(g_get_current_dir(), argv[1], NULL);

    u = g_filename_to_uri(f, NULL, &error);
    if (!u)
            g_error("oops: %s", error->message);

    d = poppler_document_new_from_file(u, NULL, &error);
    if (!d)
            return -1;

    p = poppler_document_get_page(d, 1);
    g_print("%s\n", poppler_page_get_text(p));

    return 0;
}