這篇博客文章將向你展示如何將 PDF 轉換為 YAML，通過提取帶有結構標簽的標記內容來實現。

什么是結構化 PDF？

一些 PDF 文件包含結構化內容，也稱為帶標簽（tagged）或標記內容（marked content），這是一種語義信息，為文件的結構提供了意義。這類似于 HTML，文本被標簽包裹，這些標簽指示了文本的含義。

什么是 YAML？

YAML 是一種數據序列化格式，與 JSON 類似，因此在系統之間傳輸內容時非常有用。

與 JSON 和 XML 等其他標記語言相比，YAML 的一個關鍵區別在于：YAML 使用縮進而不是括號或標簽來定義層級結構。

我可以將 PDF 轉換為 YAML 嗎？

如果一個 PDF 文件包含標記內容（如何判斷？），那么你就可以處理這些結構標簽并生成 YAML 輸出。

我們的 PDF 庫 JPedal 支持將帶標簽的 PDF 轉換為 YAML 格式。你可以使用以下代碼片段實現這一功能：

ExtractStructuredTextProperties properties = new ExtractStructuredTextProperties();
properties.setFileOutputMode(OutputModes.YAML);

ExtractStructuredText.
writeAllStructuredTextOutlinesToDir("inputFile.pdf", password, "outputFolder", null, null);

下載 Jar 包

如果你對 PDF 有更深入的興趣，歡迎閱讀我們的其他文章——我們已經與這種格式打交道超過十年！

?

我們的主頁：PDF 轉 HTML5、Java 圖像庫、Java PDF SDK - IDRsolutions