接受的PDF輸入
TET PDF IFilter 支持所有相關(guān)風(fēng)格的PDF 輸入:
直到 AcrobatDC 的所有 PDF版本,包括 ISO32000-1 和 32000-2(PDF 2.0)
無需密碼即可打開文檔的受保護(hù)PDF
修復(fù)損壞的 PDF文檔
國際化
除了西文文本 TETPDF IFilter 完全支持中文、日文和韓文(CJK) 文本。識(shí)別所有CJK 編碼;支持水平和垂直書寫模式。自動(dòng)檢測(cè)文本的區(qū)域設(shè)置ID(語言和區(qū)域標(biāo)識(shí)符)改進(jìn)了Microsoft 的分詞和詞干算法的結(jié)果,這對(duì)于東亞文本尤其重要。
還支持從右到左的語言,例如希伯來語和阿拉伯語。上下文字符形式被規(guī)范化,文本按邏輯順序傳遞。
PDF 不僅僅是一堆頁面
TET PDF IFilter 將 PDF文檔視為容器,其中可能包含比普通頁面更多的信息。TETPDF IFilter 索引 PDF文檔中的所有相關(guān)項(xiàng)目:
頁面內(nèi)容
書簽、注釋(評(píng)論)和表單域中的文本
元數(shù)據(jù)(見下文)
嵌入式 PDF 和PDF 包(組合)以遞歸方式處理,以便可以搜索所有嵌入式PDF 文檔中的文本。
XMP 文檔元數(shù)據(jù)和文檔信息
TET PDF IFilter 中的高級(jí)元數(shù)據(jù)實(shí)現(xiàn)支持元數(shù)據(jù)的Windows 屬性系統(tǒng)。它索引XMP 元數(shù)據(jù)以及標(biāo)準(zhǔn)或自定義文檔信息條目。元數(shù)據(jù)索引可以在多個(gè)級(jí)別上配置:
文檔信息條目、DublinCore 字段和其他常見XMP 屬性映射到Windows shell 屬性,例如標(biāo)題、主題、作者。
TET PDF IFilter 添加了有用的特定于PDF 的偽屬性,例如頁面大小、PDF/A一致性級(jí)別、字體名稱。
可以索引所有相關(guān)的預(yù)定義XMP 屬性。
可以搜索用戶定義的XMP 或基于PDF 的屬性,例如公司特定的分類屬性、數(shù)字簽名或ZUGFeRD/Factur-X 一致性。
TET PDF IFilter 可選擇將元數(shù)據(jù)集成到全文索引中。因此,即使是不支持元數(shù)據(jù)的全文搜索引擎(例如SQL Server)也可以搜索元數(shù)據(jù)。
Unicode 后處理
TET PDF IFilter 支持各種Unicode 后處理步驟,可用于改進(jìn)提取的文本:
折疊保留、刪除或替換字符,例如從不相關(guān)的腳本中刪除標(biāo)點(diǎn)符號(hào)或字符。
分解用一個(gè)或多個(gè)其他字符的等效序列替換一個(gè)字符,例如用它們各自的標(biāo)準(zhǔn)對(duì)應(yīng)物替換窄、寬或垂直的日文字符或拉丁上標(biāo)變體。
審核編輯:劉清
-
嵌入式
+關(guān)注
關(guān)注
5087文章
19153瀏覽量
306425 -
編碼
+關(guān)注
關(guān)注
6文章
951瀏覽量
54885 -
PDF
+關(guān)注
關(guān)注
1文章
169瀏覽量
33745
原文標(biāo)題:?PDFlib TET PDF IFilter 5 功能
文章出處:【微信號(hào):哲想軟件,微信公眾號(hào):哲想軟件】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論