PDFlib TET サンプル集(クックブック)
本サンプルプログラムは、PDF テキスト抽出ライブラリーの実装である TET の基本的な機能を実際のプログラムで紹介したものです。
本サイトでダウンロードした TET は、一部機能の制限を除き、評価版として無償でお使いいただけます。
テキストのみ
PDFlib TET で、入力 TETML からテキストのみを抽出するサンプルプログラムです。添付についても再帰的に処理されます。
<?xml version="1.0"?>
<!--
(C) PDFlib GmbH 2008 www.pdflib.com
Purpose: Extract raw text from TETML input, including text from attachments.
Nested attachments are processed recursively.
Required input: TETML in any mode
Stylesheet parameters: none
Version: $Id: textonly.xsl,v 1.2 2008/11/19 10:37:32 stm Exp $
-->
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
xmlns:tet="http://www.pdflib.com/XML/TET3/TET-3.0"
>
<xsl:output method="text" />
<xsl:template match="/">
<xsl:apply-templates select="tet:TET/tet:Document" />
</xsl:template>
<!-- Extract text from the top-level document, then process any attachments -->
<xsl:template match="tet:TET/tet:Document">
<xsl:apply-templates select="tet:Pages//tet:Text" />
<xsl:apply-templates select="tet:Attachments/tet:Attachment/tet:Document" />
</xsl:template>
<!-- Recursively process attachments -->
<xsl:template match="tet:Attachment/tet:Document">
<xsl:variable name="attachment-id">
<xsl:text>attachment: </xsl:text>
<xsl:value-of select="@filename" />
<xsl:text> level: </xsl:text>
<xsl:value-of select="../@level" />
</xsl:variable>
<xsl:text>--- begin </xsl:text>
<xsl:value-of select="$attachment-id" />
<xsl:text> ---
</xsl:text>
<xsl:apply-templates select="tet:Pages//tet:Text" />
<xsl:apply-templates select="tet:Attachments/tet:Attachment/tet:Document" />
<xsl:text>--- end </xsl:text>
<xsl:value-of select="$attachment-id" />
<xsl:text> ---
</xsl:text>
</xsl:template>
<!-- Output of raw text -->
<xsl:template match="tet:Text">
<xsl:value-of select="." />
<xsl:text>
</xsl:text>
</xsl:template>
</xsl:stylesheet>
(May 6, 2010 - Feb 21, 2014)