在 RegEx 之后拆分 PDF：我应该从哪里开始？答案

【问题标题】：Split PDF after RegEx: Where should I start?在 RegEx 之后拆分 PDF：我应该从哪里开始？
【发布时间】：2011-05-18 21:43:11
【问题描述】：

我正在尝试根据某种正则表达式拆分庞大的 PDF

[A-Z][a-z]+(\s–\s)[A-Z][a-z]+

因为在每个实例开始一个新的“部分”之后，我需要将其拆分为自己的文档。

我不知道从哪里开始，或者先看什么语言。

任何帮助将不胜感激。

【问题讨论】：

【解决方案1】：

在字节流级别拆分 PDF 不会生成有效的 PDF。

既然我们已经解决了这个问题，您将需要一个库（Java 中的 Apache PDFBox，python 中的 pyPDF）来解析 PDF 并让您迭代文本，应用您的正则表达式。找到文本后，您可以使用库来提取相关的页面范围。

【讨论】：

【解决方案2】：

【讨论】：

【解决方案3】：

PDF 包含多种文件结构，它不仅仅是页面的集合。所以你不能把它拆散。

【讨论】：