python - 如何使用 python 库提取 pdf 对象类型？
问题描述
我需要开发一个从 pdf 结构（而不是文本）中提取特征的 python 脚本。例如，我希望能够输出 pdf 是否包含 /javascript 标签或 /openAction 标签。我不想为此使用命令行。我需要在我的实际 python 程序中执行此操作。到目前为止，我已经使用了“fitz/PyMuPDF”库，并且已经能够提取特征，例如嵌入文件的数量或 pdf 元数据。但是我无法提取pdf结构中使用的每种对象类型和不同的标签。其次，我知道有诸如 PDFiD 之类的工具可以提取我正在寻找的所有这些信息，所以我也想知道是否有一种方法可以将它们的输出传输到我自己的 python 脚本中并处理它们？