欧美性猛交XXXX免费看蜜桃,成人网18免费韩国,亚洲国产成人精品区综合,欧美日韩一区二区三区高清不卡,亚洲综合一区二区精品久久

自從Adobe公司1993年第一次發(fā)布公共PDF參考以來(lái)，支持各種語(yǔ)言和平臺的PDF工具和類(lèi)庫就如雨后春筍般涌現。然而，Java應用開(kāi)發(fā)中Adobe技術(shù)的支持相對滯后了。這是個(gè)奇怪的現象，因為PDF文檔是企業(yè)信息系統存儲和交換信息的大勢所趨，而Java技術(shù)特別適合這種應用。然而，Java開(kāi)發(fā)人員似乎直到最近才獲得成熟可用的PDF支持。

　　PDFBox（一個(gè)BSD許可下的源碼開(kāi)放項目）是一個(gè)為開(kāi)發(fā)人員讀取和創(chuàng )建PDF文檔而準備的純Java類(lèi)庫。它提供如下特性：

• 提取文本，包括Unicode字符。
  
• 和Jakarta Lucene等文本搜索引擎的整合過(guò)程十分簡(jiǎn)單。
  
• 加密/解密PDF文檔。
• 從PDF和XFDF格式中導入或導出表單數據。
  
• 向已有PDF文檔中追加內容。
• 將一個(gè)PDF文檔切分為多個(gè)文檔。
  
• 覆蓋PDF文檔。

　　

PDFBox API

　　PDFBox設計時(shí)采用面向對象的方式來(lái)描述PDF文檔。PDF文檔的數據是一系列基本對象的集合：數組，布爾型，字典，數字，字符串和二進(jìn)制流。PDFBox在org.pdfbox.cos包（COS模型）中定義這些基本對象類(lèi)型。你可以使用這些對象與PDF文檔進(jìn)行任何交互，但你應該先對PDF文檔內部結構以及高層概念作一些深入的了解。例如，頁(yè)面和字體都是帶有特殊屬性的字典對象；PDF參考手冊提供這些特殊屬性的含義和類(lèi)型的說(shuō)明，但這是一個(gè)枯燥的文檔查閱過(guò)程。

　　于是，org.pdfbox.pdfmodel包（PD模型）應運而生，它的基礎是COS模型，但提供了以一種熟悉的方式訪(fǎng)問(wèn)PDF文檔對象的高層API（如圖1）。對底層COS模型進(jìn)行了封裝的PDPage和PDFont等類(lèi)就在這個(gè)包中。

 

　　注意，雖然PD模型提供了一些優(yōu)秀的功能，但它依然是一個(gè)開(kāi)發(fā)中的模型。在有些實(shí)例中，你可能需要借助于COS模型才能訪(fǎng)問(wèn)PDF的特定功能性。所有的PD模型對象都提供返回相應的COS模型對象的方法。所以，在一般情況下，你都會(huì )使用PD模型，但PD模型鞭長(cháng)莫及時(shí)你可以直接操作底層的COS模型。

　　上文對PDFBox作了大體上的介紹，現在是舉一些例子的時(shí)候了。我們從如何讀已存在的PDF文檔開(kāi)始：



　　上面的語(yǔ)句解析指定的PDF文件并在內存中創(chuàng )建其文檔對象?？紤]到處理大文檔時(shí)的效率問(wèn)題，PDFBox只在內存中存儲文檔結構，圖像、內嵌字體和頁(yè)面內容等對象將被緩存在一個(gè)臨時(shí)文件中。

　　注意：PDDocument對象使用完畢時(shí)需要調用其close()方法來(lái)釋放創(chuàng )建時(shí)使用的資源。

　　

文本提取和Lucene整合

　　這是一個(gè)信息展現時(shí)代（an information retrieval age），不管信息存放在哪種媒體中，應用程序都應該支持檢索和索引。對信息進(jìn)行組織和分類(lèi)從而形成可檢索的格式是很關(guān)鍵的。這對于文本文檔和HTML文檔來(lái)說(shuō)是很簡(jiǎn)單的，但PDF文檔包含大量的結構和元信息，提取文檔內容決不是一件簡(jiǎn)單的事情。PDF語(yǔ)言和Postscript相似，二者中的對象都是作為矢量繪制在頁(yè)面的某些位置。例如：



　　上面的指令將字體設為12號的Helvetica，移到下一行然后打印“Hello World”。這些命令流通常是經(jīng)過(guò)壓縮的，文字在屏幕上的顯示順序并不一定是文件中的字符出現順序。因此，你有時(shí)無(wú)法直接從原始PDF文檔中提取字符串。然而，PDFBox成熟的文本提取算法使得開(kāi)發(fā)人員可以提取文檔內容，就像在閱讀器中呈現的那樣。

　　Lucene是Apache Jakarta項目的子項目，它是一個(gè)流行的源代碼開(kāi)放的搜索引擎庫。開(kāi)發(fā)人員可以使用Lucene來(lái)創(chuàng )建索引，并基于該索引對大量的文本內容進(jìn)行復雜的檢索。Lucene只支持文本內容的檢索，所以開(kāi)發(fā)人員需要將其他形式的數據轉換為文本形式才能使用Lucene。例如，Microsoft Word和StarOffice文檔都必須先轉換為文本形式才能添加到Lucene索引中。

　　PDF文件也不例外，但PDFBox提供一個(gè)特殊的整合對象，這讓在Lucene索引中包含PDF文檔變得非常容易。將一個(gè)基本PDF文檔轉換為L(cháng)ucene文檔只需要一條語(yǔ)句：



　　這條語(yǔ)句解析指定的PDF文檔，提取其內容并創(chuàng )建一個(gè)Lucene文檔對象。然后你就可以將該對象添加到Lucene索引中了。如上文所述，PDF文檔中也包含作者信息和關(guān)鍵詞等元數據，在索引PDF文檔時(shí)對這些元數據進(jìn)行跟蹤時(shí)很重要的。表1列出了創(chuàng )建Lucene文檔時(shí)PDFBox將填寫(xiě)（populate）的字段。



　　這種整合使得開(kāi)發(fā)人員可以輕松地使用Lucene來(lái)支持PDF文檔的檢索和索引。當然，有些應用程序要求更成熟的文本提取方法。此時(shí)可以直接使用PDFTextStripper類(lèi)，或繼承該類(lèi)來(lái)滿(mǎn)足這種復雜的需求。

　　通過(guò)繼承PDFTextStripper并覆蓋showCharacter()方法，你可以從許多方面對文本提取進(jìn)行控制。例如，使用x、y位置信息進(jìn)行限制以提取特定文本塊。你可以有效地忽略所有的y坐標大于某個(gè)值的文本，這樣文檔頭部?jì)热菥蜁?huì )被排除。

　　另一個(gè)例子。常常有這種情況：從表單創(chuàng )建了一組PDF文檔，但這些原始數據被丟失了。也就是說(shuō)，這些文檔都包含一些你感興趣的文本，而且這些文本都在相似的位置上，但填充文檔的表單數據丟失了。例如，你有一些信封，在相同的位置上都有名字和地址信息。這時(shí)，你就可以使用PDFTextStripper的派生類(lèi)來(lái)提取期望的字段，這個(gè)類(lèi)就像一種截取屏幕區域的設備。

　　

加密/解密

　　PDF的一個(gè)流行特性是允許對文檔內容進(jìn)行加密、對訪(fǎng)問(wèn)進(jìn)行控制，限制只能閱讀未加密文檔。PDF文檔加密時(shí)采用一個(gè)主密碼和一個(gè)可選的用戶(hù)密碼。如果設定了用戶(hù)密碼，那么PDF閱讀器（如Acrobat）將在顯示文檔之前提示輸入密碼。而主密碼則用于授權修改文檔內容。

　　PDF規范允許PDF文檔的創(chuàng )建者對用戶(hù)使用Acrobat閱讀器查看文檔時(shí)的某些操作進(jìn)行限制。這些限制包括：

• 打印
  
• 修改內容
  
• 提取內容

　　PDF文檔安全的討論不在本文范疇之內，有興趣的讀者可以參考PDF規范的相關(guān)部分。PDF文檔的安全模型是可插拔式的（pluggable），你可以在加密文檔時(shí)使用不同的安全處理器（security handler）。對本文而言，PDFBox支持標準的安全處理器，它是大多數PDF文檔所使用的。

　　加密文檔時(shí)必須先指定一個(gè)安全處理器，然后使用一個(gè)主密碼和用戶(hù)密碼進(jìn)行加密。在下面的代碼中，文檔被加密，用戶(hù)不需要敲入就可以在A(yíng)crobat中打開(kāi)它（沒(méi)有設置用戶(hù)密碼），但是該文檔不可被打印。



　　更詳細的示例參見(jiàn)PDFBox發(fā)布版中包含的加密工具類(lèi)源代碼：org.pdfbox.Encrypt。

　　許多應用程序可以生成PDF文檔，但不支持控制文檔的安全選項。這時(shí)PDFBox就可以用來(lái)在發(fā)送給用戶(hù)之前截獲并加密PDF文檔。

　　

表單整合

　　當應用程序的輸出是一系列表單域的值時(shí)，提供將表單保存成文件的功能是很必要的。這時(shí)PDF技術(shù)將是一個(gè)很好的選擇。開(kāi)發(fā)人員可以手動(dòng)編寫(xiě)PDF指令來(lái)繪制圖形、表格和文本?；蛘邔祿娉蒟ML形式并使用XSL-FO模版來(lái)創(chuàng )建PDF文檔。然而，這些辦法都是比較耗時(shí)，容易出錯，而且靈活性也比較差。對于簡(jiǎn)單的表單而言，一個(gè)更好的辦法是創(chuàng )建模版，然后將給定的輸入數據填入該模版，從而生成文檔。

　　Employment Eligibility Verification是一個(gè)大多數人都熟悉的表單，它又叫做“I-9表單”，參見(jiàn)：http://uscis.gov/graphics/formsfee/forms/files/i-9.pdf

　　你可以使用PDFBox發(fā)布版中的一個(gè)示例程序列出表單域名單：



　　還有一個(gè)示例程序用于向指定的域中插入文本形式的數據：



　　在A(yíng)crobat中打開(kāi)這個(gè)PDF文檔你就會(huì )看到"Last Name"域已被填寫(xiě)了。你也可以使用以下代碼來(lái)完成相同的操作：



　　下面的代碼可用于提取剛才填寫(xiě)的表單域的值：



　　Acrobat支持將表單數據導入或導出到一個(gè)特定的文件格式“表單數據格式”（Forms Data Format）。這種文件有兩類(lèi)：FDF和XFDF。FDF文件存放表單數據的格式與PDF相同，而XFDF則以XML格式存放表單數據。PDFBox在一個(gè)類(lèi)中處理FDF和XFDF：FDFDocument。下面的代碼片斷演示了如何從上面的I-9表單導出FDF數據：



　　PDFBox表單整合步驟：

1. 使用Acrobat或其他可視化工具創(chuàng )建PDF表單模版
   
2. 記下每個(gè)需要的（desirable）表單域的名稱(chēng)
   
3. 將模版存放在應用程序可以訪(fǎng)問(wèn)到的地方
   
4. 當PDF被請求時(shí)，使用PDFBox解析PDF模版
   
5. 填充指定的表單域
   
6. 將填充結果（PDF）返回給用戶(hù)

　　

工具

　　除了上文介紹的API之外，PDFBox還提供一系列命令行工具。表2列出了這些工具類(lèi)并作簡(jiǎn)短介紹。

 

　　

備注

　　PDF規范共有1172頁(yè)之多，其實(shí)現的確是一浩大工程。同樣，PDFBox發(fā)布版中說(shuō)它“正在進(jìn)行中”，新的功能會(huì )慢慢地添加上去。它的主要弱點(diǎn)是從零開(kāi)始創(chuàng )建PDF文檔。然而，有一些源碼開(kāi)放的Java項目可用于填補這個(gè)缺口。例如，Apache FOP項目支持從特殊的XML文檔生成PDF，這個(gè)XML文檔描述了要生成的PDF文檔。此外，iText提供一個(gè)高層API用于創(chuàng )建表格和列表。

　　PDFBox的下一個(gè)版本將支持新的PDF 1.5 對象流和交叉引用流。然后將提供內嵌字體和圖像的支持。在PDFBox的努力下，Java應用程序中的PDF技術(shù)有望得到充分的支持。

　　

參考資源

　　PDFBox: www.pdfbox.org
　　Apache FOP: http://xml.apache.org/fop/
　　iText: www.lowagie.com/iText/
　　PDF Reference: http://partners.adobe.com/asn/tech/pdf/specifications.jsp
　　Jakarta Lucene: http://jakarta.spache.org/lucene/

　　

關(guān)于作者

　　Ben Litchfield是一位擁有LPA Systems開(kāi)發(fā)和整合經(jīng)驗的商業(yè)系統顧問(wèn)。在過(guò)去的兩年中，他領(lǐng)導著(zhù)PDFBox開(kāi)發(fā)組。Ben擁有Rochester技術(shù)研究院的軟件工程方面的學(xué)士學(xué)位。在過(guò)去的5年中，他一直在提供企業(yè)應用程序的解決方案。（更多）

（譯注：原文中沒(méi)有下圖的說(shuō)明，但給出其鏈接）
   

附件：i-9.pdf(245K)