PDF 注释提取器

你会得到什么

这个工具读取的是 PDF 真正存储的注释对象，而不是它们的渲染图像。每条批注都会报告：

• 子类型——Text（便签）、Highlight、Underline、StrikeOut、Squiggly、Square、Circle、Line、Polygon、Ink、FreeText、Stamp、FileAttachment。
• 作者（/T）、主题（/Subj）和内容。
• 创建与修改时间，从 D:YYYYMMDDHHmmSS+HH'mm' 格式解析，包含时区偏移。在斯德哥尔摩 09:15 写下的批注与 UTC 09:15 并不是同一时刻，丢掉时区的导出排序会出错。
• 颜色（/C）与内部颜色（/IC），按文件给出的分量个数解释为灰度、RGB 或 CMYK，另有不透明度（/CA）。
• 页码、矩形与标志位，包括隐藏标志。

高亮的原文，而不只是高亮框

对 Highlight、Underline、StrikeOut 和 Squiggly 来说，真正有用的是被标记的文字。工具读取 /QuadPoints——每个四边形八个数字，顺序是左上、右上、左下、右下，这不是矩形的角点顺序——把每个四边形投影到页面视口，再保留中心落在其中的词。这样一条高亮就变成了可以粘进审阅意见的引文。

回复线索得以保留

/IRT 说明一条批注在回复哪一条，/RT 说明回复方式。多数提取工具会把它们拍平，对话也就丢了。这里每条回复都保留父项，每个根批注都显示回复数量。

筛选与导出

按类型、作者、页码或文本中的某个词筛选，然后导出：

• CSV——每条注释一行，UTF-8 带 BOM，Excel 打开时中文不会乱码。
• JSON——包含几何信息在内的全部数据，便于脚本处理。
• Markdown——按作者分组、按页排序的审阅摘要，在每条批注上方引用被覆盖的原文。

局限

方框几何通过页面视口计算，因此在旋转页面上也是正确的；而高亮下的取字假定页面未旋转。弹出窗口（/Popup）不会单独列出——它是便签的窗口而非便签本身——但会在其父注释上标注。

隐私

PDF 的打开与解析全部在你的浏览器中完成。没有任何上传，批注文字也不会离开这个页面。