Extrahieren von Strom aus PDF in Python

Question

Wie kann ich extrahieren den Teil dieses Stroms (der BLABLABLA genannt) aus der PDF-Datei, die es enthält ??

<</Contents 583 0 R/CropBox[0 0 595.22 842]/MediaBox[0 0 595.22 842]/Parent 29 0  /Resources<</ColorSpace<</CS0 563 0 R>>/ExtGState<</GS0 568 0 R>>/Font<</TT0 559 0 R/TT1 560 0 R/TT2 561 0 R/TT3 562 0 R>>/ProcSet[/PDF/Text/ImageC]/Properties<</MC0<</BLABLABLA 584 0 R>>/MC1<</SubKey 582 0 R>>>>/XObject<</Im0 578 0 R>>>>/Rotate 0/StructParents 0/Type/Page>>

Oder in anderen Welten, wie kann ich extrahiere einen Unterschlüssel von einem pdf-Stream?

Ich möchte einige Python-Bibliothek verwenden (wie pyPdf oder ReportLab), aber auch einige C / C ++ lib sollte für mich gut gehen.

Kann mir jemand helfen?

Answer 1

IIUC, ein Strom in einer PDF ist nur eine Folge von binären Daten. Ich glaube, Sie wollen Teil eines Objekts zu extrahieren. Sind Sie wollen ein Standard-Objekt, wie ein Bild oder Text? Es wäre viel einfacher, Ihnen Beispiel-Code zu geben, wenn es ein echtes Beispiel ist.

Das könnte Sie begann Hilfe zu bekommen:

import pyPdf
pdf = pyPdf.PdfFileReader(open("pdffile.pdf"))
list(pdf.pages) # Process all the objects.
print pdf.resolvedObjects