雜七雜八的kewang部落格

不知道大家記不記得我之前寫的這篇文章「最近開發電子書有感」，在文章的最後我提到了Google Docs的Viewer，雖然不是用Flash來做為電子書的載具，可是卻可以用來選取文字耶！這個神奇的技術我一直百思不解，然後前幾天剛好有網友在問scribd跟slideshare的實作方法，我就順便也問了這個是怎麼完成的。

後來經過網友knight00931的抽絲剝繭之後，總算知道是怎麼完成這個功能了。其實Google用了pdf2xml這個軟體，它裡面的摘要就這樣寫著：

pdf2xml convertor based on Xpdf library (http://www.foolabs.com/xpdf/home.html). It converts information contained in a PDF file into XML. First, you need to install xpdf and libxml2

pdf2xml會呼叫Xpdf這個常用在PDF操作的library，然後將PDF的文字擷取出來(extract)，最後再轉成pdf2xml的xml格式就可以了。大家可以看看這個範例，而這個PDF檔所轉出來的pdf2xml在這裡，大家可以看到那個xml檔裡面，有一個叫做text的tag，裡面有l, t, w, h, p這五個屬性(attribute)，我想應該就是拿來定位用的吧，分別代表left, top, width, height, point。然後再加上滑鼠拖曳，就完成這個強大的圖片選取文字功能囉。

後來我看到其他的文章，pdf2xml甚至可以改變文字的字體耶，實在是太酷了啦！不知道這個功能可不可以拿來我現在在開發的電子書上，如果可以的話那就更炫了 XDD

參考資料：
最近開發電子書有感
SourceForge.net: pdf2xml - Project Web Hosting - Open Source Software
bigtable-osdi06.pdf - 技術提供：Google 文件
bigtable-osdi06.pdf(pdf2xml) - 技術提供：Google 文件
What application does google use to show PDF attachments in gmail - Stack Overflow
Amazing! Copy text from a PDF - Google Docs Help
Perfecting (Simple) PDF Conversion to EPub and Mobipocket | Spontaneous ∂erivation