PDFlib TET
PDFlib TET trích xuất văn bản, hình ảnh và metadata từ PDF dưới dạng Unicode hoặc XML có cấu trúc. Bộ công cụ hỗ trợ library/component và command-line tool cho xử lý batch.
- Bản quyền chính hãng
- Xuất hóa đơn VAT
Tương thích
Tính năng nổi bật
Trích xuất text, images và metadata từ bất kỳ tệp PDF.
Xuất nội dung PDF thành chuỗi Unicode hoặc XML có cấu trúc.
Cung cấp thông tin glyph, font và vị trí văn bản trên trang.
Chuẩn hóa text PDF sang Unicode để xử lý nhất quán.
Trả về UTF-8 hoặc UTF-16 trong C và Unicode native ở binding khác.
Phân rã ligatures thành chuỗi ký tự Unicode cấu thành.
Nhận diện PUA mappings và ánh xạ sang Unicode common area khi có thể.
Đánh dấu glyph thiếu Unicode mapping bằng ký tự thay thế cấu hình được.
Hỗ trợ đầy đủ Chinese, Japanese và Korean text extraction.
Nhận diện CJK CMaps cùng chế độ viết ngang và viết dọc.
Xác định word boundaries để lấy từ thay vì từng ký tự.
Ghép lại các phần của từ bị ngắt bởi dấu gạch nối.
Loại bỏ văn bản trùng lặp như đổ bóng và in đậm giả.
Sắp xếp lại đoạn văn theo thứ tự đọc và tái tạo văn bản theo dòng.
Đo vị trí, độ rộng glyph và hướng văn bản với độ chi tiết cao.
Truy xuất metadata, hypertext và PDF objects qua pCOS interface.
Tổng quan
PDFlib TET (Text Extraction Toolkit) xử lý việc trích xuất văn bản, ảnh và metadata từ tệp PDF, đồng thời cung cấp dữ liệu đầu ra dưới dạng chuỗi Unicode hoặc XML có cấu trúc.
Phần phân tích nội dung của TET bao gồm các thuật toán xác định ranh giới từ, ghép lại từ bị ngắt dòng, loại bỏ văn bản trùng lặp như bóng đổ hoặc in đậm giả, tái tạo dòng văn bản và sắp xếp đoạn theo thứ tự đọc.
Cách tiếp cận này phù hợp khi cần lấy nội dung PDF sạch hơn so với mức ký tự thô.
Phù hợp cho
Lưu text trích xuất từ PDF vào cơ sở dữ liệu.
Xây dựng search engine để xử lý nội dung PDF.
Chuyển nội dung trang PDF sang XML cho các công cụ xử lý khác.
Xử lý tài liệu PDF dựa trên nội dung thực tế của trang.
Tích hợp thư viện vào desktop application hoặc server application.
Chạy batch operations bằng command-line tool trong workflow phức tạp.
Ước tính chi phí
Chọn số developer để xem chi phí tham khảo.
Từ 5 developer trở lên thường có giá tốt hơn.
Thông số kỹ thuật
- Hãng
- PDFlib
- Phiên bản
- 6.0
- Loại sản phẩm
- PDF Text Extraction Toolkit
- Loại license
- 1 User License, 1 Server License, 1 Year Annual Support Renewal
- Môi trường phát triển
- COM, C, C++, Java, .NET, Visual Studio 2026, Visual Studio 2022, Visual Studio 2019 và 7 môi trường khác
- Đầu vào PDF hỗ trợ: từ PDF 1.0 đến PDF 1.7 extension level 8 và PDF 2.0, tương ứng Acrobat 1-XI.
- Loại font và mã hóa hỗ trợ: base 14 font, TrueType, PostScript, OpenType, CID font.
- Hỗ trợ PDF mã hóa: mã hóa 40-bit và 128-bit, cần thiết lập quyền phù hợp hoặc mật khẩu.
- Liên kết ngôn ngữ: COM, C, C++, Java và .NET.
- Loại thành phần: .NET Class, .NET Core DLL, Java Class, Java trên mọi nền tảng Java 8+.
- Hỗ trợ .NET: Windows x86, Windows x64, Linux x64, macOS x64 và ARM64, Alpine Linux x64.
- .NET framework: .NET Standard 2.0, ví dụ .NET 8/9/10; .NET Framework 4.6.1 trở lên.
- Hỗ trợ Windows: Microsoft Windows 11, Microsoft Windows 10, Microsoft Windows Server 2022, 2019, 2016, 2012 trên x86 hoặc x64 nếu có nêu.
- Hỗ trợ Linux: Linux x64 với GLIBC 2.12+ và hệ thống dựa trên libstdc++.so.6.0.21; Linux ARM64 với GLIBC 2.27 trở lên.
- Hỗ trợ Alpine Linux: Alpine Linux 3.4+ x64.
- Hỗ trợ macOS: macOS 10.9+ x64/ARM64.
- Nền tảng khác: AIX 7.2+, IBM System i 7.2+, IBM System z z/OS 2.1+ với USS (64-bit) hoặc MVS (32-bit).
- Ghi chú triển khai: thread-safe cho ứng dụng server đa luồng; có dưới dạng thư viện lập trình và công cụ dòng lệnh.
Câu hỏi thường gặp
PDFlib TET có những hình thức triển khai nào?
Có hai hình thức chính: programming library/component để tích hợp vào ứng dụng và command-line tool để xử lý batch.
PDFlib TET có xuất nội dung PDF sang XML không?
Có. Công cụ hỗ trợ chuyển nội dung văn bản của trang PDF sang XML với văn bản Unicode, có hoặc không kèm số đo ký tự.
PDFlib TET có hỗ trợ PDF mã hóa không?
Có. Sản phẩm hỗ trợ encrypted PDF với mã hóa 40-bit và 128-bit khi có quyền phù hợp hoặc password.
PDFlib TET có hỗ trợ tiếng Trung, Nhật và Hàn không?
Có. Bộ công cụ hỗ trợ đầy đủ trích xuất văn bản tiếng Trung, tiếng Nhật và tiếng Hàn, bao gồm CJK CMap định nghĩa sẵn và cả chế độ viết ngang, viết dọc.
PDFlib Personalization Server (PPS)
Thư viện PDF cho server và ứng dụng, hỗ trợ tạo PDF bằng API, nhập PDF sẵn có với PDI và cá nhân hóa tài liệu phía server bằng PDFlib…
PDFlib+PDI
Thư viện PDF cho ứng dụng server-side và client-side, kèm PDI để chèn trang PDF có sẵn vào đầu ra. Hỗ trợ .NET, Java và nhiều hệ điều hành…
PDFlib
PDFlib cho phép tạo tệp PDF bằng mã trong phần mềm server-side hoặc client-side, không cần công cụ bên thứ ba. Hỗ trợ nhiều hệ điều hành…
Chưa chắc phương án nào phù hợp?
Cho chúng tôi biết nền tảng bạn đang dùng và số developer — chúng tôi đề xuất phương án tối ưu chi phí.