是否可以区分PDF上的Kami文本和普通文本

问题描述

我正在为我的学校进行一个项目，我正在尝试创建一个工具，可以帮助教师使用作业评分者更快地对作业进行评分。我正在考虑尝试找到一种方法，以区分普通文本与通过Kami创建的文本/作品。 Kami是Google的扩展程序，我的学校正在使用它来允许学生提交有关已创建的PDF的作品。我计划查找每个卡美语教科书，并按照老师给出的答案进行选择。但是，我不知道是否可以扫描文档并仅挑选出Kami文本。谢谢。

解决方法

1. 要直接访问 PDF，必须使用内置PDF查看器（example for getSelectedText）的未记录内部命令。您可以尝试使用Chromium的source code中的其他命令来提取整个文本，亲自检查一下。

2. 另一种方法是从URL（使用标准XMLHttpRequest或fetch，more info）下载PDF，然后使用一些JavaScript库来解析文件。

,

这里是 Kami 的 CEO。这是一个很好的问题，如果您联系我，我很乐意为您提供帮助（电子邮件是 kamiapp.com 上的名字）

但是为了回答您的问题，当我们将文本框嵌入到 PDF 中时，Kami 创建了 PDF-spec compliant text annotations。您可以判断它是用 Kami 创建的，因为它的注释对象在遗留情况下还包括字典键“KAMI:comment_b64”或“KAMI:comment”。它的值包括一个 Base64 编码的字符串，您可以对其进行解码以获取注释的 JSON 对象。

本质上，您可以通过在 Javascript 中执行此操作来解码它的数据：

var b64str = dict.get('KAMI:comment_b64');
var kamiComment = JSON.parse(decodeURIComponent(escape(atob(b64str))));

或者用这个：

var kamiComment = JSON.parse(dict.get('KAMI:comment'));