Sì, è possibile con una combinazione di pdfminer (pip install pdfminer.six) e PyPDF2.
Innanzitutto, trovare le coordinate (ad esempio this). Poi evidenziarlo:
#!/usr/bin/env python
"""Create sample highlight in a PDF file."""
from PyPDF2 import PdfFileWriter, PdfFileReader
from PyPDF2.generic import (
DictionaryObject,
NumberObject,
FloatObject,
NameObject,
TextStringObject,
ArrayObject
)
def create_highlight(x1, y1, x2, y2, meta, color=[0, 1, 0]):
"""
Create a highlight for a PDF.
Parameters
----------
x1, y1 : float
bottom left corner
x2, y2 : float
top right corner
meta : dict
keys are "author" and "contents"
color : iterable
Three elements, (r,g,b)
"""
new_highlight = DictionaryObject()
new_highlight.update({
NameObject("/F"): NumberObject(4),
NameObject("/Type"): NameObject("/Annot"),
NameObject("/Subtype"): NameObject("/Highlight"),
NameObject("/T"): TextStringObject(meta["author"]),
NameObject("/Contents"): TextStringObject(meta["contents"]),
NameObject("/C"): ArrayObject([FloatObject(c) for c in color]),
NameObject("/Rect"): ArrayObject([
FloatObject(x1),
FloatObject(y1),
FloatObject(x2),
FloatObject(y2)
]),
NameObject("/QuadPoints"): ArrayObject([
FloatObject(x1),
FloatObject(y2),
FloatObject(x2),
FloatObject(y2),
FloatObject(x1),
FloatObject(y1),
FloatObject(x2),
FloatObject(y1)
]),
})
return new_highlight
def add_highlight_to_page(highlight, page, output):
"""
Add a highlight to a PDF page.
Parameters
----------
highlight : Highlight object
page : PDF page object
output : PdfFileWriter object
"""
highlight_ref = output._addObject(highlight)
if "/Annots" in page:
page[NameObject("/Annots")].append(highlight_ref)
else:
page[NameObject("/Annots")] = ArrayObject([highlight_ref])
def main():
pdf_input = PdfFileReader(open("samples/test3.pdf", "rb"))
pdf_output = PdfFileWriter()
page1 = pdf_input.getPage(0)
highlight = create_highlight(89.9206, 573.1283, 376.849, 591.3563, {
"author": "John Doe",
"contents": "Lorem ipsum"
})
add_highlight_to_page(highlight, page1, pdf_output)
pdf_output.addPage(page1)
output_stream = open("output.pdf", "wb")
pdf_output.write(output_stream)
if __name__ == '__main__':
main()
Questo in genere non è al 100% a prova di stupido, come qualsiasi compilatore PDF - anche un vecchio e fidato uno come pdftex potrebbe disegnare inlines pdf ogni luogo che ... Sei sicuro che i file PDF possono essere letto in questo modo? – Gleno
Il modo in cui lo vedo, la funzione "trova" in Evince (o nella maggior parte degli altri lettori PDF, in pratica) fa sostanzialmente quello che voglio: mette in evidenza il testo abbinato, in pratica qualsiasi PDF. Se può rendere tale evidenziazione sullo schermo, perché non renderlo in un file? – Jake
È solo un po 'complicato, perché il PDF in genere non fornisce il flusso del testo. È più simile a un'immagine: il testo può apparire ovunque. Spesso sembra buono per il lettore, ma è internamente un casino. Per arguzia - spesso la giustificazione del testo si ottiene rompendo il testo e posizionando semplicemente la linea in modo che appaia giustificata. Ad ogni modo, quando Evince evidenzia qualcosa che è intelligente, il tuo PDF è ben educato o sei fortunato perché quella particolare stringa risiede come un'entità continua nel PDF. Comunque, dai un'occhiata a http://itextpdf.com/ è la migliore libreria gratuita là fuori. – Gleno