Extrator de Anotações PDF

O que sai daqui

Esta ferramenta lê os objetos de anotação que o PDF realmente guarda, e não uma imagem deles. De cada comentário ela informa:

• Subtipo: Text (nota adesiva), Highlight, Underline, StrikeOut, Squiggly, Square, Circle, Line, Polygon, Ink, FreeText, Stamp, FileAttachment.
• Autor (/T), assunto (/Subj) e conteúdo.
• Datas de criação e modificação, lidas do formato D:AAAAMMDDHHmmSS+HH'mm' incluindo o deslocamento de fuso. Um comentário escrito às 09:15 em Estocolmo não é o mesmo instante que 09:15 UTC, e exportações que descartam o fuso ordenam errado.
• Cor (/C) e cor interna (/IC), interpretadas como cinza, RGB ou CMYK conforme a quantidade de componentes, além da opacidade (/CA).
• Página, retângulo e sinalizadores, inclusive o de oculto.

Texto destacado, não apenas caixas de destaque

Para Highlight, Underline, StrikeOut e Squiggly o que interessa é o texto marcado. A ferramenta lê /QuadPoints — oito números por quadrilátero na ordem superior-esquerdo, superior-direito, inferior-esquerdo, inferior-direito, que não é a ordem dos cantos de um retângulo —, projeta cada quadrilátero pelo viewport da página e mantém as palavras cujo centro cai dentro dele. É assim que um destaque vira uma citação pronta para colar numa revisão.

As respostas continuam encadeadas

/IRT diz a qual anotação um comentário responde e /RT diz como. A maioria dos extratores achata isso e a conversa se perde. Aqui cada resposta guarda seu pai e cada raiz mostra quantas respostas tem.

Filtros e exportação

Filtre por tipo, autor, página ou por uma palavra do texto e exporte:

• CSV — uma linha por anotação, em UTF-8 com BOM para o Excel ler os acentos corretamente.
• JSON — tudo, inclusive a geometria, para automação.
• Markdown — um resumo de revisão agrupado por autor, em ordem de página, citando o texto coberto acima de cada comentário.

Limites

A geometria das caixas é calculada pelo viewport da página, então funciona em páginas giradas; a leitura do texto sob um destaque pressupõe página sem rotação. Janelas de balão (/Popup) não são listadas à parte — são a janela da nota, não a nota —, mas a anotação é marcada como tendo uma.

Privacidade

O PDF é aberto e lido inteiramente no seu navegador. Nada é enviado e nenhum texto de comentário sai da página.