PDF Activities

Versión: 1.2.0 · ID: zoan-packages-pdf · Autor: Zoan Software

El paquete PDF lee y manipula archivos PDF: extraer texto (y palabras con sus coordenadas), buscar contenido, leer metadatos, convertir páginas a imagen, y combinar, dividir, extraer páginas, rotar o marcar de agua. Es muy usado en procesos documentales: leer facturas en PDF, separar un lote de documentos, consolidar reportes.

Cómo funciona este paquete

Sin sesión: cada actividad recibe la ruta (path) del archivo y trabaja sobre él. No hay que “abrir” ni “cerrar” el PDF.
No modifican el original: las actividades de manipulación (combinar, rotar, marca de agua…) crean un archivo nuevo en la ruta output que indiques, y devuelven esa ruta. El PDF de entrada queda intacto.

Rangos de páginas

Varias actividades aceptan especificar páginas con un rango en texto: combinas números sueltos y rangos con guion, separados por comas. Las páginas se numeran desde 1.

"1-3,5,7-9"   →  páginas 1, 2, 3, 5, 7, 8 y 9
"all"          →  todas (en Rotate)

Actividades

Leer y extraer

Actividad	Tipo	Salida	Qué hace
PDF Get Text	`pdf-get-text`	`string`	Extrae todo el texto del PDF
PDF Get Text (Page)	`pdf-get-text-page`	`string`	Extrae el texto de una página
PDF Get Words	`pdf-get-words`	`List`	Cada palabra con su página y sus coordenadas
PDF Get Page Count	`pdf-get-page-count`	`int`	Número de páginas
PDF Get Metadata	`pdf-get-metadata`	`Dictionary`	Metadatos (título, autor, fechas…)

Buscar

Actividad	Tipo	Salida	Qué hace
PDF Contains Text	`pdf-contains-text`	`boolean`	¿Contiene el texto?
PDF Search Text	`pdf-search-text`	`List`	En qué páginas aparece el texto

Manipular páginas

Actividad	Tipo	Salida	Qué hace
PDF Merge	`pdf-merge`	`string`	Combina varios PDF en uno
PDF Split	`pdf-split`	`List`	Separa cada página en un archivo
PDF Extract Pages	`pdf-extract-pages`	`string`	Extrae páginas concretas a un PDF nuevo
PDF Rotate	`pdf-rotate`	`string`	Rota páginas (90/180/270°)

Convertir a imagen

Actividad	Tipo	Salida	Qué hace
PDF To Images	`pdf-to-images`	`List`	Convierte las páginas a archivos PNG

Crear y marcar

Actividad	Tipo	Salida	Qué hace
PDF Create	`pdf-create`	`string`	Crea un PDF nuevo a partir de texto
PDF Add Watermark	`pdf-add-watermark`	`string`	Añade una marca de agua a cada página

Un flujo típico

Leer una factura en PDF y extraer su número con una expresión regular:

PDF Get Text   path = = rutaFactura   → output: texto
Set Variable   name = numero   value = = regexFind(texto, "FAC-\d+")
Log   message = = "Factura: " + numero

Siguientes pasos

PDF Get Text — extraer texto (lo más común).
PDF Get Words — cuando necesitas saber dónde está cada dato.
PDF To Images + OCR — para PDF escaneados (imágenes sin texto).
Expresiones › Regex — extraer datos del texto.