如何以编程方式验证PDF文件是否为第一代？

我正在做一个涉及房利美/房地美统一评估数据集的项目。要求嵌入的评估PDF文件为第一代

我从概念上理解第一代PDF文件是什么（将文档直接打印为PDF，而不是扫描副本或打印扫描副本）。然而，我做了一些研究，并没有发现任何可以通过编程验证的指定第一代PDF属性的内容

我发现了一个产品，它允许人们检查PDF是否包含文本、图像或两者：，但出于预算和其他原因，我正在寻找一种自己编写的方法。此外，我不确定确定文件是否包含文本是否足以验证它是否为第一代

考虑到这是一个非常大的行业的行业要求，我觉得一定有人已经解决了这个问题，但我很难找到任何东西

---

提前感谢您的帮助。

无法确定PDF是否为“第一代”。从技术上讲，扫描的PDF只是一个包含图像的PDF，可能还有OCR文本。“第一代”PDF很容易具有相同的特性，因此您必须使用一些启发式方法

---

例如，只包含图像和不可见文本（来自OCR）的PDF可能会被扫描，具有可见文本或矢量图形的PDF可能是“第一代”（用于扫描PDF的OCR通过将不可见文本覆盖在原始图像上来工作，这样文本选择可以工作，但原始文档的保真度会保持不变）.

打开pdf，在评估中键入ctrl“f”。如果你对这个词很感兴趣，那么你就有了第一代appsl。相反，数据集是存在的

我认为如果你把问题和总结归结到你的主要目标上，你会得到更多的关注。您并不是要确定PDF文件是否为“第一代”，而是要确定文档中包含的文本是否仍然是文本格式而不是图像格式。如果你的文件有签名，我甚至不确定这是否对你有效，这将要求他们至少扫描一次（除非使用嵌入的签名图像）。@D.N.关于签名，这是一个很好的观点。评估PDF文件由软件生成，带有签名（如评估师许可证）的部分嵌入为图像。剩下的是文字表格和照片，听起来很合理。你知道有哪种免费的API允许以编程方式检查可见文本吗？顺便说一下，我正在.NET中编程。在.NET/Java世界中似乎很流行。您可能还需要熟悉才能充分利用它。谢谢您的提示。我将查看iText和PDF规范。我曾要求提供一种编程方式，因此这不起作用。