PDF批注导出系统：高保真度的标注提取与导出

其主要目标是从PDF文件中提取批注，并保证导出的批注能够高度保真地重现原始文件的所有格式和内容。在保真度方面，该系统需要满足以下六点硬性要求：（a）保留所有格式，（b）具有100%的精度，（c）100%的召回率，（d）包括所有注释类型，（e）包括原件的屏幕截图，以及（f）将原始标记提取为HTML或SVG，以便可以在其他工具中本地使用。此外，该系统还支持将poc.js粘贴到加载了PDF.js的PDF中，导出文本以及突出显示的文本的图像，将整个页面导出为PNG，查找高光周围的框坐标，提取文字，使用独立PDF.js进行操作，以及从命令行输入和输出到文件。然而，该系统在打包、依赖项管理和代码优化方面仍存在一些问题，如在Linux上打包为docker容器，清理npm依赖项，修复各种突出显示上的对齐问题，以及在代码中修复一些最新的FIXME。" 知识点详细说明: 1. PDF批注导出系统：这是一个专门用于提取和导出PDF文件批注的系统。批注通常包括用户的笔记、评论、高亮、书签等信息，这对于学术研究、文件审查和文档共享非常有用。 2. PDF.js：PDF.js是一个通用的、基于Web的PDF阅读器，它能够在不依赖于任何外部插件的情况下，在所有支持HTML5的现代浏览器中渲染PDF文档。它由Mozilla开发，并被广泛应用于各种项目中。 3. Chrome headless：Chrome headless是一种无头浏览器模式，即没有图形用户界面的Chrome浏览器。它允许开发者在没有桌面GUI的服务器环境中执行自动化测试和网页渲染任务。 4. 高保真度导出：在PDF批注导出系统中，高保真度意味着导出的批注应完全保留原始PDF文件的外观和格式，包括字体、颜色、布局等，以及所有的批注类型。 5. 100%的精度和召回率：精度和召回率是信息检索和机器学习中的术语，用于衡量搜索或分类任务的性能。在这里，它们分别指系统能够准确无误地导出每一个批注（高精度），并且没有任何批注被遗漏（高召回率）。 6. HTML和SVG导出：HTML（超文本标记语言）和SVG（可缩放矢量图形）都是网页设计中常用的标记语言。将批注导出为HTML或SVG格式，意味着可以将批注嵌入到网页中，或在其他支持这些格式的工具中使用。 7. Docker容器：Docker是一个开源的应用容器引擎，它允许开发者将应用及其依赖项打包到一个可移植的容器中，然后可以轻松地在任何支持Docker的系统上运行。将pdf-annotation-exporter打包在Docker容器中可以简化部署和分发过程。 8. npm依赖项管理：npm（Node.js包管理器）是Node.js的默认包管理器，它提供了大量的第三方库。在开发过程中，开发者需要管理这些依赖项，确保项目的依赖关系清晰，并且容易被其他开发者或部署环境获取和使用。 9. 代码优化和维护：代码优化是提高软件性能、可靠性和可维护性的过程。在pdf-annotation-exporter的上下文中，代码优化可能涉及修复对齐问题、优化批注导出算法、修正代码错误（FIXME）等，以确保系统的稳定运行和高效处理。 10. 命令行操作：命令行操作是指通过文本界面使用命令来执行任务。在pdf-annotation-exporter的背景下，这涉及到使用命令行界面来输入导出参数，如输入PDF文件的路径和输出文件的路径，以及控制导出过程和结果。