pCOS Funktionalität

PDFlib pCOS 4 - Informationen aus PDFs abfragen

Was ist PDFlib pCOS?


PDFlib pCOS (PDF Information Retrieval Tool) bietet eine einfache und elegante Methode, um aus PDF-Dokumenten Informationen abzurufen, die nicht zum Seiteninhalt gehören. PDF-Metadaten, interaktive Elemente (Links, Formularfelder usw.) oder Seitengrößen sind zum Beispiel bequem mit pCOS abfragbar.
Mit pCOS können Sie zahlreiche interessante Elemente auslesen und für verschiedene Verwendungszwecke ausgeben. Da pCOS in einem einzigen Aufruf viele PDF-Dokumente verarbeiten kann, können Sie sehr einfach Übersichten über Dokument-Infofelder, Seitengrößen, Fonts und andere Eigenschaften erstellen. In Kombination mit tabellarischer Ausgabe erwächst daraus ein leistungsfähiges PDF-Verwaltungswerkzeug.
Für PDFlib pCOS gibt es vielseitige Einsatzmöglichkeiten in PDF-Workflows. Sie können PDFlib pCOS aber auch zur PDF-Fehlersuche oder zum Erlernen des Dateiformats verwenden. Einige typische Anwendungsfälle:

  • Eingehende Dokumente auf bestimmte Eigenschaften prüfen
  • Problemfälle in umfangreichen Dokumentbeständen ermitteln
  • Metadaten für Dokumentenmanagement zusammenfassen
  • Qualitätskontrolle von Dokumenten vor der Veröffentlichung
  • Workflows zur Speicherung und Bereitstellung von Dokumenten
  • Lesezeichen zusammenfassen
  • Komponenten von PDF-Dokumenten extrahieren, z.B. ICC-Profile
  • PDFs auf Sicherheitsrisiken überprüfen (JavaScript usw.)

Die pCOS-Schnittstelle ist auch in weiteren Produkten von PDFlib GmbH enthalten: wenn Sie PDFlib+PDI, PDFlib Personalization Server (PPS), PDFlib TET, PDFlib PLOP oder PLOP DS benutzen, können Sie die pCOS-Schnittstelle ebenfalls nutzen. In PDFlib TET PDF IFilter können Sie mit Hilfe von pCOS-Pfaden Informationen aus PDF-Dokumenten abfragen und zur Indizierung und Suche benutzen. Das pCOS-Kommandozeilen-Tool ist nur im pCOS-Paket enthalten. Um Text oder Rasterbilder aus PDF-Seiten zu extrahieren, nutzen Sie bitte unser Produkt PDFlib TET.

pCOS-Cookbook

Das pCOS-Cookbook ist eine Sammlung von Programmierbeispielen, die zeigen, wie sich pCOS für verschiedene Anwendungsfälle zur Informationsbeschaffung nutzen lässt. Das Cookbook steht hier zur Verfügung und enthält Beispielcode, Eingabedokumente und exemplarische pCOS-Ausgabe. 

Funktionalität von PDFlib pCOS

Unterstützte Eingabeformate

PDFlib pCOS verarbeitet alle Varianten von PDF:

  • Alle PDF-Versionen bis Acrobat XI einschließlich ISO 32000
  • Verschlüsselte Dokumente (ggf. ist das Kennwort erforderlich)
  • Beschädigte PDF-Eingabedokumente werden repariert

Abfragen von Informationen aus PDF-Dokumenten

PDFlib pCOS bietet eine einfach zu nutzende Abfrageschnittstelle. Mit pCOS können Sie zahlreiche interessante Elemente auslesen, zum Beispiel:

  • Dokument-Infofelder und XMP-Metadaten
  • Allgemeine Angaben: Status von Linearisierung und Tagged PDF, Verschlüsselungsinformationen und Berechtigungseinstellungen, Anzahl von Seiten und Fonts
  • Fontinformationen mit Name, Einbettungsstatus usw.
  • Rasterbildinformationen: Größe, Bittiefe, Farbraum, Kompression, XMP
  • Details zu Farbräumen
  • Verweisziele (URLs) und Koordinaten von Web-Links
  • Lesezeichen mit Seitennummern, um ein Inhaltsverzeichnis zu erstellen
  • Formularfelder: vollständiger Feldname, Inhalt, Position usw.
  • Seitengröße, CropBox, Seitendrehung
  • Status von ISO-Standards: PDF/X, PDF/A, PDF/UA, PDF/E, PDF/VT
  • Geo-Referenzdaten
  • Dateianhänge auflisten oder extrahieren
  • Namen von Ebenen, symbolische Seitennamen, Artikel
  • Details zu Anmerkungen
  • Alle Kommentare mit Namen des jeweiligen Bearbeiters
  • Details zu digitalen Signaturen: Namen der Signaturfelder, signiert/unsigniert, Name des Unterzeichners, Datum und Grund der Signatur
  • ICC-Profile für Druckausgabebedingungen aus PDF/X- oder PDF/A-Dateien extrahieren
  • Eigenschaften von Blöcken für PDFlib Personalization Server
  • JavaScript auf Dokument-, Seiten-, Anmerkungs- und Feldebene
  • XML-Rechnungsdaten aus ZUGFeRD-Dokumenten abrufen
  • Eigenschaften von PDF-Packages/-Portfolios

Ausgabeformate

PDFlib pCOS erzeugt Ausgabe für verschiedene Zwecke:

  • Einfacher Text
  • Unicode-Text in den Formaten UTF-8 und UTF-16
  • Tabellarische Ausgabe zur Weiterverarbeitung in einer Tabellenkalkulation oder Datenbank
  • Extraktion von Binärdaten, z.B. ICC-Profile oder Dateianhänge
  • Benutzerdefinierte Formate zur individuellen Weiterverarbeitung

pCOS-Pfade - einfache Syntax für PDF-Objekte

Mit der übersichtlichen pCOS-Pfadsyntax können Sie auf PDF-Objekte zugreifen, ohne sich in komplizierten Baumstrukturen, wie bei Lesezeichen oder Formularfeldern, zu verzetteln. Die pCOS-Pfadsyntax bietet praktische Abkürzungen, mit denen Sie auf häufig benötigte PDF-Objekte zugreifen können, etwa auf Seiten, Fonts, Lesezeichen oder Formularfelder.

pCOS als Bibliothek oder Kommandozeilen-Tool?

pCOS wird als Software-Bibliothek (Komponente) für verschiedene Entwicklungsumgebungen sowie als Kommandozeilen-Tool für Batch-Prozesse ausgeliefert. Beide Ausführungen bieten den gleichen Funktionsumfang, eignen sich aber für unterschiedliche Einsatzbereiche.

Die pCOS-Software-Bibliothek eignet sich...

...zur Integration in Desktop- oder Server-Anwendungen. Pro­grammierbeispiele für alle unterstützten Sprachbindungen sind im pCOS-Paket enthalten.

Das pCOS-Kommandozeilen-Tool eignet sich...

...zur Batch-Verarbeitung von PDF-Dokumenten. Es erfordert keine Programmierung, sondern kann über leistungsfähige Kommandozeilen-Optionen gesteuert und damit in komplexe Arbeitsabläufe integriert werden. Das pCOS-Kommandozeilen-Tool ergänzt die Funktionen der Bibliothek um:

  • Einfache Abfrage typischer PDF-Elemente, z.B. Lesezeichen, Anmerkungen, Metadaten, Formularfelder usw.
  • Erweiterte Abfrage komplexer Objekte und Steuerung des Ausgabeformats
  • Elemente wie z.B. Dateianhänge, ICC-Profile extrahieren
  • Ausgabe der Informationen als CSV oder in benutzerdefi­niertem Format zum Import in Tabellenkalkulation oder Datenbank
  • Rekursion zur Erfassung verschachtelter Objekte, z.B. Dictionaries oder Arrays

Unterstützte Entwicklungsumgebungen

PDFlib pCOS läuft überall - auf praktisch allen Computersystemen. Wir bieten 32- und 64-Bit-Pakete an und unterstützen alle gängigen Varianten von Windows, OS X/macOS, Linux und Unix.

Der Kern von pCOS ist in C und C++ geschrieben und auf Schnelligkeit und geringen Overhead optimiert. Über ein einfaches API (Application Programming Interface) lässt sich die pCOS-Funktionalität in zahlreichen Programmiersprachen nutzen:

  • COM für VB, ASP, etc.
  • C und C++
  • Java einschließlich Servlets und JSP
  • .NET für C#, VB.NET, ASP.NET, etc.
  • Perl
  • PHP
  • Python