Php 提取PDF的TOC？

在SWFTools和XPDF的帮助下，我正在将pdf提取到图像/swf和文本中。。我正在PDF脚本中运行这些

但现在我想进一步尝试从PDF中获取TOC，是否可以提取这些信息？

我认为查看将是一个非常好的开始。如果向下滚动，您将看到大量用户发布的解决方案，用于将PDF转换为HTML或PDF转换为文本。转换后，一个相对简单的匹配函数可以提取标记的TOC项，并将它们放入一个数组中，然后您可以随意操作该数组

还有更多的解决方案

---

希望这能有所帮助。

我通过一点搜索找到了这个。看起来很有希望

PDFMiner：

注意：该工具是基于Python的，但是您应该能够通过shell访问使用该工具。或者，您可以从源代码本身收集一些有用的信息，因为项目是开源的

从网站：

dumppdf.py

dumppdf.py以伪XML格式转储PDF文件的内部内容。此程序主要用于调试目的，但也可以提取一些有意义的内容（如图像）

示例：

---

或者，您也可以使用C编写的非常轻量级但完整的PDF实现。在

apps/

子目录中，您可以找到一些可以查看、转储和提取PDF文件信息的工具。我更喜欢MuPDF而不是xpdf，因为它是主动维护的，并且有更好的PDF支持

否则，总会有一个真正基于xpdf的。开发人员将其代码移植到C++。因此，它的性能比它的前身差。与MuPDF相比，Poppler似乎有更多的特性，但作为回报，代码要复杂得多

---

不过，出于您的目的，MuPDF应该足够了。您可以从

apps/

中提供的示例代码中拼凑出一个简单的应用程序，该应用程序可以提取您所需的所有信息，而无需依赖外部应用程序。

我尝试了

dump.pdf-T

，但在某些pdf文件上无法使用

MuPDF中还有另一个工具名为

mutool

，我刚刚找到了它。我不知道这是否比dump.pdf好，但处理pdf文件dump.pdf会抛出一个错误

下面是如何使用mutool提取TOC

mutool显示{您的pdf文件}大纲

---

+1，我也很高兴看到如何做到这一点。如果你想用第三方应用程序做到这一点，那么我可以推荐具有“目录”导出功能的应用程序。经过进一步调查，我自己可以找到一些非常有用的应用程序+1致Yusuke Shinyama和PDFMiner团队的其他成员！谢谢，我去看看。。但是它是否也在XML中生成TOC呢。。ass现在我已经使用XPDF和PDF2SWF来获取内容：）但是对于TOC没有选择我想我不确定你在问什么。第二个“示例”行声称专门将TOC转储到XML文件中，您可以以任何适合您的方式解析该文件。我自己没用过这个工具，听起来它能完成你想做的事情。啊，抱歉我错过了它^^我会尝试一下，或者mupdf

dumppdf-t file.pdf | grep\n我已经在使用XPDF pdf2txt了。。。但你会怎么匹配这个呢？ToC通常是手工创建的。。而且信息需要在pdf中的某个地方。。（因为他们可以有侧面板）只有在人们没有必要的专业工具自动创建TOC时，才应该手动创建TOC。如果自动完成，TOC中的项目将被标记为书签（我认为这就是您所指的“侧面板”），并链接到它们的页面，因此更容易匹配。如果它们是手工完成的，那么它们与PDF中任何地方的任何其他文本块都没有什么不同，要让脚本成功匹配它们几乎是不可能的。谢谢，我也会尝试一下^^
$ dumppdf.py -a foo.pdf
(dump all the headers and contents, except stream objects)

$ dumppdf.py -T foo.pdf
(dump the table of contents)

$ dumppdf.py -r -i6 foo.pdf > pic.jpeg
(extract a JPEG image)