使用 PDFLib/TET 和 boto 在 amazon s3 上解析 pdf

Question

1. 从 amazon s3 读取 pdf 文件（使用 boto）
2. 在本地保存为 123.pdf
3. 使用 PDFLib/TET 打开并解析本地保存的 pdf

我目前能够执行上述所有 3 个步骤，但 我想跳过第 2 步以节省磁盘 I/O。

看起来可以使用 tet_open_document_mem 让 TET 打开内存中的文档，但是 没有关于如何使用的文档。

Answer 1

TET 提供所谓的 PDFlib 虚拟文件系统 (PVF) 来处理这种情况。

您可以使用 create_pvf() 从内存中提供的数据创建一个命名的虚拟只读文件。

API 看起来像这样 (C)：

void TET_create_pvf(TET *tet, const char *filename, int len, const void *data, size_t size, const char *optlist)

所以可以这样使用：

TET_create_pvf(tet, pvfname, 0, data, length, "");
doc = TET_open_document(tet, pvfname, 0, docoptlist);

更多细节可以在TET手册http://www.pdflib.com/fileadmin/pdflib/pdf/manuals/TET-4.3-manual.pdf中找到

TET_open_document_mem 是一个不再受支持的旧 API。