如何以编程方式验证PDF文件是第一代的？

Question

我正在开展涉及Fannie Mae / Freddie Mac制服评估数据集的项目。 specification要求嵌入式评估PDF文件是第一代。

我从概念上理解第一代PDF文件是什么（将文档直接打印到PDF，而不是扫描副本或打印和扫描副本）。但是，我做了一些研究，但没有发现任何指定可以通过编程方式验证的第一代PDF属性的内容。

我找到了一个产品，可以让我们检查PDF是否包含文字，图片或两者：Apose.Pdf.Kit for .NET，但我正在寻找一种方法来自行编程，出于预算和其他原因。此外，我不确定确定文件包含文本将足以验证它是第一代。

鉴于这是一个非常大的行业的行业要求，我觉得有人必须已经解决了这个问题，但我很难找到任何东西。

提前感谢您的帮助。

Answer 1

无法确定PDF是否是“第一代”。从技术上讲，扫描的PDF只是一个包含图像的PDF，也可能是OCR的文本。 “第一代”PDF可以很容易地具有相同的特征，因此您必须使用一些启发式方法。

例如，可能会扫描仅包含图像和不可见文本（来自OCR）的PDF，具有可见文本或矢量图形的PDF可能是“第一代”（扫描PDF的OCR通过​​覆盖不可见文本来工作）在原始图像的顶部，以便文本选择有效，但原始文档的保真度得以保留。）

Answer 2

在Appraisal中打开pdf，ctrl“f”类型。如果你有这个词的命中，你有第一代apprsl。相反，存在数据集。