『Antenna House AHPDFXML 変換ライブラリ』は、PDFファイルの内部データを、
XML（Extensible Markup Language：拡張可能なマークアップ言語）形式に変換するプログラムです。
このライブラリが出力するXML形式を「AHPDFXML形式」と呼びます。
PDF解析技術により文書構造を生成して、再利用に適したXMLデータを出力します。

『Antenna House AHPDFXML 変換ライブラリ』には、コマンドライン版アプリケーションが付属しています。
今回は”AHPDFXMLCmd.exe”について書いてみたいと思います。

標準の引数は次の通りです。

• -i PDFファイル
  入力PDFファイルのパスを指定します。(必須)
• -password パスワード
  入力PDFにパスワードが設定されている場合、この引数で指定します。
• -o 出力先フォルダ
  AHPDFXML形式を出力するフォルダのパスを指定します。(必須)
  保存するしおり外部ファイルの形式を指定します。
  このフォルダには、カタログXML, ドキュメントXML, スタイルXML, アウトラインXML, 画像ファイルなどが出力されます。
• -p 接頭子
  AHPDFXML形式ファイルの接頭子を指定します。(必須)
• -start 開始ページ
  変換対象とする、開始ページを指定します。
  省略された場合や 0以下の場合は、先頭ページからとみなされます。
• -end 終了ページ
  変換対象とする、終了ページを指定します。
  省略された場合や実際のページ数より大きい場合は最終ページまでとみなされます。

変換オプションの引数(一部)は次の通りです。

• -piece
  文字情報(ahp:run)を、１文字単位で出力します。
  文字単位でレイアウト座標を得たい場合などで使用します。
• -cid
  文字情報(ahp:run)の要素に、PDFのキャラクタIDを出力します。
• -notable
  表の解析を行いません。表情報(ahp:table)も出力されません。
• -emf
  線画をEMFに変換します。
  複数の線画をまとめられる場合は、まとめてPNGに変換します。
  PDFのページ中に表が存在する場合などは、まとめてPNGに変換することはしません。
  この条件が設定されていない場合は、線画はSVG形式に変換されます。

呼び出し例は次の通りです。

• AHPDFXMLCmd.exe -i input.pdf -o output -p pdfxml -piece
  • -i input.pdf : input.pdf を読み込みます。
  • -o output : AHPDFXML形式を output フォルダ下へ書き出します。
  • -p hoge : 書き出されるファイルの接頭子です。
  • -piece : 文字情報を１文字単位で出力します。

AHPDFXML形式の利用例として『サンプルXSLTスタイルシート』をご用意しております。
XMLで表現することによって、データの扱いが容易になります。
XMLのメリットを最大限に活かしてPDFデータを活用できます。
弊社ウエブサイトより評価版の申し込みが可能です。是非ご評価ください。

製品に関するご質問は
sis@antenna.co.jp（SYSTEM担当）
または
oem@antenna.co.jp（OEM担当）
まで、お気軽にお問い合わせください。

評価版のお申込
評価版のお申込ページ

Webページ
http://www.antenna.co.jp/pdfxml/

『Antenna House AHPDFXML 変換ライブラリ』は、PDFファイルの内部データを、
XML（Extensible Markup Language：拡張可能なマークアップ言語）形式に変換するプログラムです。
このライブラリが出力するXML形式を「AHPDFXML形式」と呼びます。
PDF解析技術により文書構造を生成して、再利用に適したXMLデータを出力します。

今回は”AHPDFXML形式”として出力される文書構造について書いてみたいと思います。

• セクション要素
  セクション要素の属性は、矩形情報、段組み情報、縦書き/横書き情報です。
  セクション要素は、フレーム要素を含みます。
  段組み数は、テキストフレーム要素の配置から判断します。
• フレーム要素
  フレーム要素の属性は、フレーム種別、矩形範囲、ファイルIDです。
  フレーム種別には、テキスト、表、画像、テキストボックスがあります。
  テキストフレームは段落要素を含みます。
  画像フレームには、カタログファイルに定義されたファイルのIDが指定されています。
• 段落要素
  段落要素の属性は矩形範囲、段落スタイルIDです。
  段落スタイルには、先頭行インデント、左インデント、右インデントの情報があります。
  段落要素は、行要素を含みます。
  包含する行要素の開始位置、終了位置から、段落要素を生成しています。
• 行要素
  行要素の属性は矩形範囲です。
  行要素はテキスト要素を含みます。
  包含するテキスト要素からベースラインを判断して、テキスト行を生成しています。
• テキスト要素
  テキスト要素の属性は、矩形範囲と文字スタイルIDです。
  文字スタイルには、文字の大きさ、文字の色、文字のフォント、文字修飾（bold/italic、網かけ）の情報があります。
• 表要素
  表要素の属性は、矩形情報です。
  表要素は、表の行要素を含みます。
• 表の行要素
  表の行要素の属性は、矩形情報です。
  表の行要素は、セル要素を含みます。
• セル要素
  セル要素の属性は、矩形情報とスタイルIDです。
  セル要素は、段落要素を含みます。
  PDF中の線画情報から、水平/垂直の線分を抜き出して、セルを生成しています。

AHPDFXML形式の利用例として『サンプルXSLTスタイルシート』をご用意しております。
XMLで表現することによって、データの扱いが容易になります。
XMLのメリットを最大限に活かしてPDFデータを活用できます。
弊社ウエブサイトより評価版の申し込みが可能です。是非ご評価ください。

製品に関するご質問は
sis@antenna.co.jp（SYSTEM担当）
または
oem@antenna.co.jp（OEM担当）
まで、お気軽にお問い合わせください。

評価版のお申込
評価版のお申込ページ

Webページ
http://www.antenna.co.jp/pdfxml/