PDF 补丁丁0.5.0.2520（测试版）解除PDF文档的烦恼

汉文学士

楼上的文件里只有图片没有书签呀。

客正能

楼上的文件里只有图片没有书签呀。
comme 发表于 2011-2-18 14:06

    谢谢LZ回复！
希望的是补丁丁0.3.1.2从这个PDF中提取并编辑书签。
可能太奢望了。

汉文学士

哦，原来是这个意思。
自动生成书签的功能不是从目录页中抽取文本生成书签，而是通过分析正文字体的尺寸，将具有大尺寸的文本和位置提取出来，做成书签。对于字典类图片PDF，效果可能不会很理想。一来字典的词条多，生成的书签数量将很庞大；另一个更难解决的问题是光学字符识别组件识别只能识别常用字，很多非常用字的字头肯定会识别错。目前我只希望它能抽取普通书籍的标题出来而已。

wdsggg

多次实验，finereader是最好的，pdf白金版的那个ocr引擎不怎么样。

汉文学士

回comme大侠，finereader识别速度的确比较慢，但牺牲速度换来的就是极高的识别率（我指的是西文字符，尤 ...
angst 发表于 2011-2-8 01:12

昨天晚上优化了自动生成书签的排版识别功能，可以成功处理你传给我的 FineReader 识别后文本了。
今天再完善一下功能。

汉文学士

请问comme大侠，abbyy finereader可以将图片pdf文件ocr成图文双层pdf，为何你言到文本无法写入原pdf？另我用过大侠制作的补丁丁前一个版本，但是在识别我用finereader 制成的英文图文双层的pdf文件（原文件质量良好）时，生成的书签错误太多，几乎不能用。请问新版本是否对英文的pdf图文双层的目录识别进行了优化呢？angst 发表于 2011-2-7 19:05

0.3.1.3 版略微优化了排版识别算法，可以识别这种双层文本的标题了。

新版本新增及修正功能如下：

0.3.1.3 2011年2月22日
新增功能：
        书签编辑器增加强制设置页面链接目标为内部链接（用于修复一些文件改名后链接失效的书签）。
        在书签编辑器按住 Ctrl 键拖动书签可复制书签。
        书签编辑器如直接编辑 PDF 的书签，保存时默认执行补丁生成新的 PDF 文件。

修改功能：
        书签编辑器优化撤销速度。
        自动识别标签功能优化文字排版的后处理过程。

修复错误：
        书签编辑器批量移动书签后反转顺序的问题。
        书签编辑器批量撤销会导致程序崩溃的问题。
        补丁功能导入外部页面链接错误的问题。

汉文学士

早上发布的版本有漏洞，导致无法解密 PDF 文件和使用合并模式添加图片等。

请下载新的修复版。

接下来将会为程序撰写使用文档和应用示例。发布稳定版本后，就着手开发结合光学字符识别的书签制作功能。
大家在测试过程中如发现问题请回帖。

shengdong

comme兄，书签标页码时以正文第1页为1，加入之后这条书签指向封面，这个问题能解决吗？
其实也可以加上正文之前的页码数，但是有的书前言、目录长得不行，对照很费力。

————————————
另有这种格式的提不出图片（附件）

汉文学士

回复 72# shengdong


是否可以具体介绍一下你对照页码标书签的过程吗？让我看看是哪个功能操作不便。


你上传的附件可以提取出图片呀。
前些天发布的版本有问题，请重新下载修复版再操作一次看看。

shengdong

回复 73# comme


    图片可以提取，是我操作错了。
书签的编辑步骤如图片所示（附件）
这本书的前言、目录有100多页，我起始页面直接定为正文的第1页了，因为这样可以对照原书目录页所标示的页码。

汉文学士

的确是个巨型 PDF 哦。
是否方便将该书目录的图片，以及 XML 格式的书签信息文件，传过来给我调试一下？

shengdong

回复 75# comme


    前言目录图片及书签：
http://u.115.com/file/t6c27a60bc#
前言目录图片及书签.rar

汉文学士

回复 76# shengdong


看样子是需要将所有页码数正偏移161页（书签第1页实际上是162页）。

好的。我在下一版的编辑器中增加一个页码偏移量选项。
在实现这个功能之前，你可以用0.3.1.4版（见主帖附图），将所有页码增加161页转成实际页数。

gy0715

回复 77# comme


    打开下面这个pdf文档显示的书签页码怎么都是0啊？
     http://u.115.com/file/f64f1100f7#
    铁道游击队v1.pdf

汉文学士

回复 78# gy0715



这是由于那个文件的书签动作目标不符合 PDF 规范。PDF 规范要求：文件内的链接不能直接用数字指定目标页码，而应该用编号引用来指定页码的。

偶尔会遇到这样的文档，我改改程序迁就一下这种文档吧。

wangqun

感谢楼主的软件，昨天刚试用了一下，图像导出功能非常不错。
使用书签功能时出现了以下问题。

汉文学士

回复 78# gy0715 ，回复 80# wangqun

问题已经解决，请下载最新的 0.3.1.7 版。

wangqun

回复 81# comme
谢谢comme，现在没问题了。

汉文学士

回复 66# 客无能


    嗯，经过几天的开发和测试，期望用微软Office的清华引擎做成ABBYY识别结果基本上是不可能。今天再看你的帖子，看来还是先将目录识别提取出来，做一个基本的书签比较方便实际一些。我计划提供一个独立光学字符识别的功能，用于识别 PDF 页面的图片并转换为文字，这样就可能把目录的图片转换为书签目录了。

gy0715

回复 81# comme


    我的问题已解决，谢谢！

客正能

请教comme——
想把“附件”中的两张大尺寸页面压缩到小页面的比例，用您的PDF 补丁丁0.3.1.13没有做到。
于此求助。

汉文学士

回复 85# 客无能


   在 PDF 文档选项中选择如图所示的配置。然后用独立补丁模式处理文档。

客正能

回复  客无能


   在 PDF 文档选项中选择如图所示的配置。然后用独立补丁模式处理文档。 ...
comme 发表于 2011-2-27 17:00

感谢comme！
非常好，解决问题！

招招舟子

这个软件对我太有用了，下载试试。

汉文学士

0.3.1.15
新增功能：
    合并文件（制作图像 PDF）功能增加是否将黑白图片设为透明的选项。
修复错误：
    书签编辑器可能使书签目标位置偏离原来位置的问题。
    合并模式合并后可能使书签指向页码错误的问题。

hebeisheng

    嗯，经过几天的开发和测试，期望用微软Office的清华引擎做成ABBYY识别结果基本上是不 ...
comme 发表于 2011-2-25 22:51

热切盼望图片文字识别功能。

汉文学士

新版本0.3.1.17增强了书签编辑器，增加了一些实用功能。另外还修正了导出导入书签的若干问题。


如果你会 XPath，选择书签又多了一种途径。这个选择器的好处是：不但可以根据文本条件，而且可以根据“页码”、“样式”以外的其它属性，以及其它相关联的书签来选择书签。


选择和上一个书签指向相同页码的书签，XPath 表达式：
“preceding-sibling::*[1]/@页码 = ./@页码”
选择文本和上级书签一样的书签：
“parent::*/@文本=./@文本”


新版本增强的自动生成书签功能，可以更好地发现并处理文本 PDF 的标题，结合书签编辑器，可以轻松的制作 PDF 书签。

tobeing

二楼要繁体版做甚？

光学字符识别……这功能是可以考虑的。之前没有找到很好的 PDF 识别软件（ABBYY太大， ...
comme 发表于 2011-1-29 11:49

很期待大侠能够开发一个软件，将OCR功能作为插件，嵌入常见的PDF阅览器中。极其实用，而且目前没有同类。
补丁丁软件非常好，但是好多功能别的软件能够实现。

汉文学士

回复 92# tobeing



   老马新版本的独角兽浏览器（0.12以后版本）也有光学字符识别的功能。我现在也在考虑将光学字符识别功能做到一个简单的阅读器中，主要用途是用来制作书签。

汉文学士

0.3.1.19 版更正了少量错误，并增加了标记书签方便编辑的功能。