serious-cool

Hallo,
ich suche eine lib mit der ich PDF Dateien analysieren kann. Ich möchte feststellen wie viele Seiten farbig sind und ob das Dokument leere Seiten enthält.

PDFlib TET scheint das für ca. 1000 Euro zu können Wäre schön wenn es auch eine freie Variante gäbe...

Habt Ihr Vorschläge womit ich das umsetzen könnte?

__________________
Ein Klauenhammer ist kein Schraubendreher, auch wenn beide das Problem ,,Schraube-Wand" bidirektional lösen können.

Mister Ad

serious-cool

Über einen normalen fopen Durchlauf komme ich problemlos an die Metadaten und Klarschriften ran...

Aber wie komme ich an die Eigenschaften der Tags ran?

Wisst Ihr vielleicht wie, oder womit die Inhalte Codiert sind? Decodiermaßnahmen?

__________________
Ein Klauenhammer ist kein Schraubendreher, auch wenn beide das Problem ,,Schraube-Wand" bidirektional lösen können.

erc

Ich glaube das einfachste ist die PDF in Bilder umzuwandlen und dann Pixel für Pixel zu schauen ob die Seiten bunt oder leer sind.


Adobe hat vor Jahren das Format offengelegt. Mit ein wenig Googlen findest du schnell die offiziellen Spezifikationen dafür.

serious-cool

Die Spezifikationen von Adobe sind für mich eher Bahnhof Mir fehlt es da noch etwas an Erfahrung...

Die Idee mit den JPGs klingt allerdings vielversprechend. Bin mal gespannt was die Performance macht, wenn das Dokument 300 Seiten hat.

__________________
Ein Klauenhammer ist kein Schraubendreher, auch wenn beide das Problem ,,Schraube-Wand" bidirektional lösen können.

serious-cool

Also... In der Theorie funktioniert das ganze. Allerdings ist die Serverlast enorm. Als ,,quick-and-dirty" Lösung habe ich mir ein JAVA Programm gebastelt welches die Analyse übernimmt...

__________________
Ein Klauenhammer ist kein Schraubendreher, auch wenn beide das Problem ,,Schraube-Wand" bidirektional lösen können.

erc

Wie machst du es jetzt? PDF in Rastergrafik umwandeln und dann Pixel für Pixel durchgehen? Wenn ja... dann skalier das Bild/er vorm analysieren mal Stark runter. Selbst mit 50x80Pixeln pro Seite sollte man zuverlässig feststellen können ob Inhalt vorhanden ist.

serious-cool

Ja, genau so! Allerdings mit 400x400 Px. Wenn ich weiter runter gehe verliere ich zu viele Farbinformationen. Evtl. werde ich die Skalierung noch dynamisch errechnen lassen.

Anforderungen waren: PDFs bis 200MB und Format A3-A5. Wenn ich die Analyse von PHP machen lasse ist da Sense.

Mein JAVA Prog. macht im Prinzip das selbe, nur die Serverlast lässt sich dank Threads besser im Zaum halten und die Performance ist wesentlich besser.

(Leider Closed-Source sonst würde ich das ganze posten )

__________________
Ein Klauenhammer ist kein Schraubendreher, auch wenn beide das Problem ,,Schraube-Wand" bidirektional lösen können.

erc

Wie wandelst du die PDF mit Java in eine Rastergrafik um? Nimmst du was externen wie Ghostscript, Imagemagick, usw. oder gibts da eine sinnvolle Java Lib für?